Google: Gemini 3.8 Flash Lite TTS

Google: Gemini 3.8 Flash Lite TTS to model zamiany tekstu na mowę od Google. Należy do rodziny Gemini 3.8 TTS, gdzie zajmuje miejsce szybkiego, wysokoprzepustowego członka obok Gemini 3.8 Flash TTS. Jego główna kategoria to mowa, a został wydany przez dostawcę 2026-09-23.

Model przyjmuje tekst jako jedyne wejście i produkuje mowę jako jedyne wyjście. Ma okno kontekstu wynoszące 32768 tokenów i maksymalne wyjście 16384 tokenów. Dostępnych jest trzydzieści głosów: 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 i Sulafat. Lista głosów to główna dźwignia, jaką masz nad wyjściem, więc wybór głosu pasującego do tonu treści jest częścią pracy integracyjnej.

Ponieważ wejściem jest tekst, a wyjściem audio, praktyczne zastosowania wynikają z zamiany materiału pisanego na materiał mówiony. Możesz generować narrację do artykułów, dokumentacji lub treści długoformatowych, ponieważ okno kontekstu 32768 tokenów pozwala przekazać znaczne fragmenty w jednym żądaniu. Maksymalne wyjście 16384 tokenów ogranicza, ile mowy może wygenerować jedno wywołanie, więc bardzo długie dokumenty lepiej podzielić na sekcje. Zakres głosów sprawia, że model nadaje się do projektów w stylu wielu mówców, takich jak dialog między odrębnymi postaciami, lub do tworzenia kilku wariantów tego samego scenariusza, aby porównać, jak różne głosy czytają te same kwestie. Aplikacje, które czytają treść na głos, tworzą wersje audio materiałów pisanych lub generują zasoby głosowe do dalszej edycji, wszystkie pasują do kształtu tego modelu: tekst na wejściu, mowa na wyjściu.

Wywołujesz go przez API zgodne z OpenAI w api14, używając identyfikatora modelu "google/gemini-3.8-flash-lite-tts". Model nie obsługuje żadnych parametrów żądania poza tymi, które akceptuje sam endpoint, więc nie ma dodatkowych opcji dostrajania do ustawienia w żądaniu. Wyślij swój tekst jako wejście i wybierz głos z powyższej listy; odpowiedź zawiera wygenerowaną mowę.

Jeśli twoje zadanie wymaga czegoś innego niż wyjście mowy, ten model nie jest właściwym wyborem, ponieważ mowa jest jego jedyną modalnością wyjściową. Przyjmuje również wyłącznie tekst jako wejście, więc wejścia audio lub obrazowe są poza zakresem. Do generowania tekstu lub innych modalności spójrz na inne modele w api14.