Google: Gemini 3.8 Flash TTS

Google: Gemini 3.8 Flash TTS è un modello text to speech di Google, ed è il successore di Gemini 3.1 Flash TTS Preview. Si colloca nel tier creativo della famiglia 3.8 TTS, il che significa che Google lo posiziona per la generazione espressiva del parlato piuttosto che per la trascrizione o il lavoro testuale generico. Se già instradi altri modelli Google attraverso api14, questo estende lo stesso rapporto con il provider all'output audio.

Il modello accetta testo come unico input e produce parlato come unico output. Ha una finestra di contesto di 32.768 token e un output massimo di 16.384, quindi puoi inviare script piuttosto lunghi in una singola richiesta e ricevere un risultato parlato corrispondentemente lungo. 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. Questa gamma ti consente di assegnare parlanti diversi a parti diverse di un progetto senza cambiare modello.

Poiché l'input è testo e l'output è parlato, gli impieghi naturali sono la narrazione, la voce fuori campo, i dialoghi per giochi o video, la lettura in stile audiolibro e le versioni parlate di contenuti scritti come articoli o documentazione. La grande finestra di contesto è utile quando un singolo contenuto deve avere una resa coerente attraverso molti paragrafi, dato che puoi passare l'intero script invece di montare insieme molte clip brevi. L'elenco delle voci rende inoltre pratico assegnare una voce distinta per personaggio o per sezione.

Lo chiami attraverso l'API compatibile con OpenAI di api14 usando l'id del modello "google/gemini-3.8-flash-tts". La forma della richiesta segue lo stesso schema di altri modelli sul gateway, quindi le librerie client OpenAI esistenti funzionano senza gestione speciale. Nota che questo modello non elenca parametri supportati, quindi prevedi di inviare l'id del modello più il testo di input e la selezione della voce invece di affidarti a parametri di regolazione come temperature o top_p. Controlla la tabella dei prezzi aggiornata sulla pagina per le tariffe correnti prima di impegnarti su un carico di lavoro.

Un aspetto da valutare è l'ambito. Questo modello accetta solo testo e restituisce solo parlato, quindi non sarà di aiuto con input di immagini, audio o documenti, e non può produrre output scritto. Se il tuo compito è trascrizione, traduzione o generazione testuale generica, un modello testuale è più adatto. Usa Gemini 3.8 Flash TTS quando il risultato è audio e vuoi una scelta di voci all'interno di una singola richiesta.