Google: Gemini 3.8 Flash TTS

Google : Gemini 3.8 Flash TTS est un modèle de synthèse vocale de Google, et il succède à Gemini 3.1 Flash TTS Preview. Il se situe dans le niveau créatif de la famille TTS 3.8, ce qui signifie que Google le positionne pour la génération vocale expressive plutôt que pour la transcription ou le travail textuel général. Si vous acheminez déjà d'autres modèles Google via api14, celui-ci étend cette même relation de fournisseur à la sortie audio.

Le modèle prend du texte comme seule entrée et produit de la parole comme seule sortie. Il dispose d'une fenêtre de contexte de 32 768 tokens et d'une sortie maximale de 16 384, vous pouvez donc envoyer des scripts assez longs en une seule requête et recevoir un résultat parlé d'une longueur correspondante. Trente voix sont 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 et Sulafat. Cette variété vous permet d'attribuer différents locuteurs à différentes parties d'un projet sans changer de modèle.

Comme l'entrée est du texte et la sortie de la parole, les usages naturels sont la narration, la voix off, le dialogue pour les jeux ou la vidéo, la lecture de type livre audio et les versions parlées de contenus écrits tels que des articles ou de la documentation. La grande fenêtre de contexte est utile lorsqu'un même contenu doit être restitué de manière cohérente sur de nombreux paragraphes, puisque vous pouvez transmettre tout le script plutôt que d'assembler de nombreux clips courts. La liste de voix permet aussi d'attribuer de manière pratique une voix distincte par personnage ou par section.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "google/gemini-3.8-flash-tts". La forme de la requête suit le même schéma que les autres modèles de la passerelle, donc les bibliothèques clientes OpenAI existantes fonctionnent sans traitement particulier. Notez que ce modèle ne liste aucun paramètre pris en charge, donc prévoyez d'envoyer l'identifiant de modèle plus votre texte d'entrée et votre sélection de voix plutôt que de compter sur des réglages comme temperature ou top_p. Consultez le tableau des prix en direct sur la page pour connaître les tarifs actuels avant de vous engager sur une charge de travail.

Un point à peser est la portée. Ce modèle accepte uniquement du texte et ne renvoie que de la parole, il n'aidera donc pas avec des entrées d'image, d'audio ou de document, et il ne peut pas produire de sortie écrite. Si votre tâche est la transcription, la traduction ou la génération de texte générale, un modèle textuel est plus adapté. Utilisez Gemini 3.8 Flash TTS lorsque le livrable est de l'audio et que vous souhaitez un choix de voix au sein d'une même requête.