Google: Gemini 3.8 Flash TTS

Google: Gemini 3.8 Flash TTS es un modelo de texto a voz de Google, y es el sucesor de Gemini 3.1 Flash TTS Preview. Se sitúa en el nivel creativo de la familia TTS 3.8, lo que significa que Google lo posiciona para la generación de voz expresiva en lugar de para transcripción o trabajo de texto general. Si ya enrutas otros modelos de Google a través de api14, este extiende esa misma relación de proveedor hacia la salida de audio.

El modelo toma texto como su única entrada y produce voz como su única salida. Tiene una ventana de contexto de 32.768 tokens y una salida máxima de 16.384, por lo que puedes enviar guiones bastante largos en una sola solicitud y recibir un resultado hablado correspondientemente largo. Hay treinta voces disponibles: Zephyr, Puck, Charon, Kore, Fenrir, Leda, Orus, Aoede, Callirrhoe, Autonoe, Enceladus, Iapetus, Umbriel, Algieba, Despina, Erinome, Algenib, Rasalgethi, Laomedeia, Achernar, Alnilam, Schedar, Gacrux, Pulcherrima, Achird, Zubenelgenubi, Vindemiatrix, Sadachbia, Sadaltager y Sulafat. Ese rango te permite asignar diferentes hablantes para distintas partes de un proyecto sin cambiar de modelo.

Dado que la entrada es texto y la salida es voz, los usos naturales son la narración, la locución, el diálogo para juegos o vídeo, la lectura estilo audiolibro y las versiones habladas de contenido escrito, como artículos o documentación. La gran ventana de contexto ayuda cuando una sola pieza de contenido necesita una entrega consistente a lo largo de muchos párrafos, ya que puedes pasar el guion completo en lugar de unir muchos clips cortos. La lista de voces también hace práctico asignar una voz distinta por personaje o por sección.

Lo llamas a través de la API compatible con OpenAI de api14 usando el id de modelo "google/gemini-3.8-flash-tts". La forma de la solicitud sigue el mismo patrón que otros modelos en la puerta de enlace, por lo que las bibliotecas de cliente de OpenAI existentes funcionan sin manejo especial. Ten en cuenta que este modelo no lista parámetros compatibles, así que planea enviar el id de modelo más tu texto de entrada y la selección de voz en lugar de depender de ajustes como temperature o top_p. Consulta la tabla de precios en vivo en la página para conocer las tarifas actuales antes de comprometerte con una carga de trabajo.

Un aspecto que debes sopesar es el alcance. Este modelo solo acepta texto y solo devuelve voz, por lo que no ayudará con entradas de imagen, audio o documentos, y no puede producir salida escrita. Si tu tarea es transcripción, traducción o generación de texto general, un modelo de texto es la mejor opción. Usa Gemini 3.8 Flash TTS cuando el entregable sea audio y quieras una elección de voces dentro de una sola solicitud.