Google: Gemini 3.8 Flash TTS

Google: Gemini 3.8 Flash TTS är en text till tal modell från Google, och den är efterträdaren till Gemini 3.1 Flash TTS Preview. Den ligger i den kreativa nivån av 3.8 TTS familjen, vilket innebär att Google positionerar den för uttrycksfull talgenerering snarare än för transkribering eller allmänt textarbete. Om du redan dirigerar andra Google modeller genom api14, utökar denna samma leverantörsrelation till ljudutdata.

Modellen tar text som sin enda indata och producerar tal som sin enda utdata. Den har ett kontextfönster på 32 768 tokens och en maximal utdata på 16 384, så du kan skicka ganska långa manus i en enda begäran och få ett motsvarande långt talat resultat. Trettio röster är tillgängliga: 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 och Sulafat. Det utbudet låter dig välja olika talare för olika delar av ett projekt utan att byta modell.

Eftersom indata är text och utdata är tal, är de naturliga användningsområdena berättarröst, voiceover, dialog för spel eller video, uppläsning i ljudboksstil och talade versioner av skrivet innehåll som artiklar eller dokumentation. Det stora kontextfönstret hjälper när ett enda innehållsstycke behöver konsekvent framförande över många stycken, eftersom du kan skicka hela manuset i stället för att sätta ihop många korta klipp. Röstlistan gör det också praktiskt att tilldela en distinkt röst per karaktär eller per avsnitt.

Du anropar den via api14's OpenAI kompatibla API med modell id "google/gemini-3.8-flash-tts". Begärans utformning följer samma mönster som andra modeller på gatewayen, så befintliga OpenAI klientbibliotek fungerar utan särskild hantering. Observera att denna modell inte listar några stödda parametrar, så planera för att skicka modell id plus din indata text och röstval snarare än att förlita dig på justeringsreglage som temperature eller top_p. Kontrollera den aktuella pristabellen på sidan för gällande priser innan du åtar dig en arbetsbelastning.

En sak att väga in är omfattningen. Denna modell accepterar endast text och returnerar endast tal, så den hjälper inte med bild-, ljud- eller dokumentindata, och den kan inte producera skrivet utdata. Om din uppgift är transkribering, översättning eller allmän textgenerering är en textmodell ett bättre val. Använd Gemini 3.8 Flash TTS när leveransen är ljud och du vill ha ett urval av röster inom en enda begäran.