Google: Gemini 3.8 Flash TTS

Google: Gemini 3.8 Flash TTS é um modelo de conversão de texto em fala da Google, e é o sucessor do Gemini 3.1 Flash TTS Preview. Situa-se na categoria criativa da família TTS 3.8, o que significa que a Google o posiciona para geração de fala expressiva, e não para transcrição ou trabalho geral com texto. Se já encaminha outros modelos Google através da api14, este estende essa mesma relação de fornecedor ao resultado em áudio.

O modelo recebe texto como única entrada e produz fala como única saída. Tem uma janela de contexto de 32.768 tokens e uma saída máxima de 16.384, pelo que pode enviar guiões bastante longos num único pedido e receber um resultado falado correspondentemente longo. Estão disponíveis trinta vozes: 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. Essa variedade permite-lhe atribuir locutores diferentes a partes diferentes de um projeto sem trocar de modelo.

Como a entrada é texto e a saída é fala, os encaixes naturais são narração, voiceover, diálogo para jogos ou vídeo, leitura ao estilo audiolivro e versões faladas de conteúdo escrito, como artigos ou documentação. A grande janela de contexto ajuda quando uma única peça de conteúdo precisa de uma entrega consistente ao longo de muitos parágrafos, pois pode passar o guião completo em vez de juntar muitos clipes curtos. A lista de vozes também torna prático atribuir uma voz distinta por personagem ou por secção.

Chama-o através da API compatível com OpenAI da api14 usando o id de modelo "google/gemini-3.8-flash-tts". A forma do pedido segue o mesmo padrão de outros modelos no gateway, pelo que as bibliotecas de cliente OpenAI existentes funcionam sem tratamento especial. Note que este modelo não lista parâmetros suportados, por isso conte com o envio do id do modelo mais o seu texto de entrada e a seleção de voz, em vez de depender de ajustes como temperature ou top_p. Consulte a tabela de preços em direto na página para tarifas atuais antes de assumir um volume de trabalho.

Um aspeto a ponderar é o âmbito. Este modelo só aceita texto e só devolve fala, por isso não ajudará com entradas de imagem, áudio ou documentos, e não consegue produzir saída escrita. Se a sua tarefa é transcrição, tradução ou geração geral de texto, um modelo de texto é mais adequado. Use o Gemini 3.8 Flash TTS quando o resultado for áudio e quiser uma escolha de vozes dentro de um único pedido.