Google: Gemini 3.8 Flash Lite TTS

Google: Gemini 3.8 Flash Lite TTS è un modello text to speech di Google. Appartiene alla famiglia Gemini 3.8 TTS, dove si colloca come membro veloce e ad alto throughput insieme a Gemini 3.8 Flash TTS. La sua categoria principale è speech, ed è stato rilasciato dal provider il 2026-09-23.

Il modello accetta testo come unico input e produce speech come unico output. Ha una context window di 32768 token e un output massimo di 16384 token. Sono disponibili trenta voci: 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 e Sulafat. La lista delle voci è la leva principale che hai sull'output, quindi scegliere una voce che corrisponda al tono dei tuoi contenuti fa parte del lavoro di integrazione.

Poiché l'input è testo e l'output è audio, gli usi pratici derivano dal trasformare materiale scritto in materiale parlato. Puoi generare narrazione per articoli, documentazione o contenuti long form, dato che la context window di 32768 token ti consente di passare passaggi sostanziali in una singola richiesta. L'output massimo di 16384 token limita quanto speech può produrre una chiamata, quindi documenti molto lunghi è meglio suddividerli in sezioni. La gamma di voci rende il modello utilizzabile per progetti in stile multi speaker, come dialoghi tra personaggi distinti, o per produrre diverse varianti dello stesso script così da poter confrontare come voci diverse leggono le stesse battute. Le applicazioni che leggono contenuti ad alta voce, producono versioni audio di materiale scritto o generano asset vocali per l'editing a valle rientrano tutte nella forma testo in ingresso, speech in uscita di questo modello.

Lo chiami tramite l'API compatibile con OpenAI di api14 usando il model id "google/gemini-3.8-flash-lite-tts". Il modello non supporta parametri di richiesta oltre a quelli accettati dall'endpoint stesso, quindi non ci sono opzioni di tuning extra da impostare sulla richiesta. Invia il tuo testo come input e seleziona una voce dalla lista sopra; la risposta contiene lo speech generato.

Se il tuo compito richiede qualcosa di diverso dall'output speech, questo modello non è adatto, poiché lo speech è la sua unica modalità di output. Accetta inoltre solo testo come input, quindi input audio o immagini sono fuori ambito. Per la generazione di testo o altre modalità, guarda altri modelli su api14.