Gemini 3.8 Flash-Lite TTS vs Gemini 3.8 Flash TTS

Gemini 3.8 Flash-Lite TTS vs Gemini 3.8 Flash TTS auf einen Blick

Gemini 3.8 Flash-Lite TTS und Gemini 3.8 Flash TTS sind beide Modelle von Google in der Kategorie Audiogeneration und über die EmpirioLabs API verfügbar.

Wichtigste Unterschiede

• Beide Modelle erschienen am 22. Sept. 2026.
• Gemini 3.8 Flash-Lite TTS hat den niedrigeren Preis für Ausgabe (pro 1 Million generierter Token).
• Beide Modelle haben denselben Preis für Eingabe (pro 1M Prompt-Token).

Gemini 3.8 Flash-Lite TTS vs Gemini 3.8 Flash TTS: Spezifikationen

Gemini 3.8 Flash-Lite TTS vs Gemini 3.8 Flash TTS: API-Preise

Live-Preise aus dem EmpirioLabs-Katalog für beide Modelle. Jede Preistabelle entspricht immer dem, was die API berechnet.

Gemini 3.8 Flash-Lite TTS vs Gemini 3.8 Flash TTS: API-Parameter

Anfrageparameter, die jedes Modell auf EmpirioLabs angibt, mit den zulässigen Werten oder dem Bereich, wo einer gilt. Ein Strich markiert einen Parameter, den das Modell nicht angibt.

Gemini 3.8 Flash-Lite TTS vs Gemini 3.8 Flash TTS: Limits und Hinweise

Gemini 3.8 Flash-Lite TTS

Grenzen

• Text: bis zu 5.000 Zeichen pro Anfrage
• Audio-Abrechnung: 32 Ausgangstoken pro Sekunde erzeugter Audio-Token
• 101 Sprachen. Die Sprache des Textes wird automatisch erkannt.

Stimmen

• Die 30 Stimmen in der voice Liste sprechen jede unterstützte Sprache.
• GET /v1/voices?model=gemini-3-8-flash-lite-tts listet die vollständige Bibliothek von mehr als 2.000 Stimmen über 30 Orte hinweg auf, mit Sprache, Akzent, Geschlecht, Tonhöhe und einer Beschreibung jeder Person. Filtern Sie sie mit language, gender, pitch oder q. Jede zurückgegebene ID funktioniert als voice oder voice2; wenn Sie auch language setzen, verwenden Sie die eigene Sprache der Stimme.

Benutzerdefinierte Stimmen

• Stellen Sie voice auf custom und übergeben Sie zwei Aufnahmen desselben erwachsenen Sprechers als https-URLs: voice_audio_url, 10 bis 30 Sekunden natürlicher Sprache, und voice_consent_audio_url, wobei der Sprecher sagt: "Ich bin der Besitzer dieser Stimme und ich stimme zu, dass Google diese Stimme verwendet, um ein synthetisches Sprachmodell zu erstellen." Die Aussage wird in 30 Sprachen akzeptiert; consent_statements auf diesem Parameter listet jede Formulierung auf.
• Beide müssen Aufnahmen einer realen Person sein, die sich in einem ruhigen Raum am selben Mikrofon befindet. KI-generierte Audioaufnahmen werden nicht akzeptiert. WAV, MP3, M4A, OGG, WEBM und FLAC werden akzeptiert, jeweils bis zu 15 MB.
• Die Antwort enthält voice_id und voice_id_expires_at. Geben Sie die voice_id als voice oder voice2 die Stimme für 7 Tage ohne neue Aufnahmen wiederverwenden. Ein voice_id funktioniert nur für das Konto, das es erstellt hat.
• Dieses Modell führt keine Liste benutzerdefinierter Stimmen, also lassen Sie die voice_id aus der Antwort weg. Eine benutzerdefinierte Stimme endet, wenn ihre ID abläuft, also gibt es nichts zu löschen.
• Im Playground setze Voice auf Custom, um eine im selben Tab erstellte Stimme erneut zu verwenden, oder kopiere deren ID.

Lieferrichtung

• Setzen Sie die Anweisung für die gesamte Passage in style_prompt statt im Text, zum Beispiel "warm, unbeeilt und beruhigend".
• Platziere die Vocal-Tags in der Reihenfolge dort, wo der Klang sein soll. Verwenden Sie diese englischen Tags auch dann, wenn der Text in einer anderen Sprache ist:

<argh> <breath> <heavy breath> <exhales> <cackle> <cheer> <chuckle> <chuckles> <cough> <cry> <gasp> <giggle> <groan> <growl> <grunt> <grr> <hiss> <laugh> <laughter> <moan> <pant> <pff> <phew> <scream> <shout> <shriek> <sigh> <sighs> <sneeze> <snicker> <snort> <sob> <throat-clearing> <tsk> <whimper> <whispers> <whispering> <yawn> <short pause> <long pause>

• Schreibe ein Wort groß, um es zu betonen. Wickle eine Hörerreaktion in Rohre, zum Beispiel |mm-hmm|, um sie hinzuzufügen, ohne eine neue Wendung zu beginnen.

Multi-Lautsprecher

• Bis zu zwei Sprecher pro Anfrage. Beginne jede Zeile mit einem Sprechernamen und einem Doppelpunkt, zum Beispiel Sprecher1: und Sprecher2:. Die Namen müssen mit speaker1_name und speaker2_name übereinstimmen.

Ausgabe

• WAV, MP3, OGG (Opus), ALAW oder MULAW, bei 8.000 bis 48.000 Hz.
• POST /v1/audio/speech:stream sendet 16-Bit-PCM-Chunks mit 24.000 Hz, während der Audio erzeugt wird, und anschließend die vollständige Datei im gewünschten Format. speed ist nur auf POST /v1/audio/speech verfügbar.

Gemini 3.8 Flash TTS

Grenzen

• Text: bis zu 5.000 Zeichen pro Anfrage
• Audio-Abrechnung: 32 Ausgangstoken pro Sekunde erzeugter Audio-Token
• 130 Sprachen. Die Textsprache wird automatisch erkannt.

Stimmen

• Die 30 Stimmen in der voice Liste sprechen jede unterstützte Sprache.
• GET /v1/voices?model=gemini-3-8-flash-tts listet die vollständige Bibliothek von mehr als 2.000 Stimmen an 30 Orten auf, mit Sprache, Akzent, Geschlecht, Tonhöhe und einer Beschreibung jeder Person. Filtern Sie sie mit language, gender, pitch oder q. Jede Identität, die sie zurückgibt, funktioniert als voice oder voice2; wenn Sie auch language setzen, verwenden Sie die eigene Sprache der Stimme.

Benutzerdefinierte Stimmen

• Stellen Sie voice auf custom und übergeben Sie zwei Aufnahmen desselben erwachsenen Sprechers als https-URLs: voice_audio_url, 10 bis 30 Sekunden natürlicher Sprache, und voice_consent_audio_url, wobei der Sprecher sagt: "Ich bin der Besitzer dieser Stimme und ich stimme zu, dass Google diese Stimme verwendet, um ein synthetisches Sprachmodell zu erstellen." Die Aussage wird in 30 Sprachen akzeptiert; consent_statements auf diesem Parameter listet jede Formulierung auf.
• Beide müssen Aufnahmen einer realen Person sein, die sich in einem ruhigen Raum am selben Mikrofon befindet. KI-generierte Audioaufnahmen werden nicht akzeptiert. WAV, MP3, M4A, OGG, WEBM und FLAC werden akzeptiert, jeweils bis zu 15 MB.
• Die Antwort enthält voice_id und voice_id_expires_at. Geben Sie die voice_id als voice oder voice2 die Stimme für 7 Tage ohne neue Aufnahmen wiederverwenden. Ein voice_id funktioniert nur für das Konto, das es erstellt hat.
• Dieses Modell führt keine Liste benutzerdefinierter Stimmen, also lassen Sie die voice_id aus der Antwort weg. Eine benutzerdefinierte Stimme endet, wenn ihre ID abläuft, also gibt es nichts zu löschen.
• Im Playground setze Voice auf Custom, um eine im selben Tab erstellte Stimme erneut zu verwenden, oder kopiere deren ID.

Lieferrichtung

• Setzen Sie die Anweisung für die gesamte Passage in style_prompt statt im Text, zum Beispiel "warm, unbeeilt und beruhigend".
• Platziere die Vocal-Tags in der Reihenfolge dort, wo der Klang sein soll. Verwenden Sie diese englischen Tags auch dann, wenn der Text in einer anderen Sprache ist:

<argh> <breath> <heavy breath> <exhales> <cackle> <cheer> <chuckle> <chuckles> <cough> <cry> <gasp> <giggle> <groan> <growl> <grunt> <grr> <hiss> <laugh> <laughter> <moan> <pant> <pff> <phew> <scream> <shout> <shriek> <sigh> <sighs> <sneeze> <snicker> <snort> <sob> <throat-clearing> <tsk> <whimper> <whispers> <whispering> <yawn> <short pause> <long pause>

• Schreibe ein Wort groß, um es zu betonen. Wickle eine Hörerreaktion in Rohre, zum Beispiel |mm-hmm|, um sie hinzuzufügen, ohne eine neue Wendung zu beginnen.

Multi-Lautsprecher

• Bis zu zwei Sprecher pro Anfrage. Beginne jede Zeile mit einem Sprechernamen und einem Doppelpunkt, zum Beispiel Sprecher1: und Sprecher2:. Die Namen müssen mit speaker1_name und speaker2_name übereinstimmen.

Ausgabe

• WAV, MP3, OGG (Opus), ALAW oder MULAW, bei 8.000 bis 48.000 Hz.
• POST /v1/audio/speech:stream sendet 16-Bit-PCM-Chunks mit 24.000 Hz, während der Audio erzeugt wird, und anschließend die vollständige Datei im gewünschten Format. speed ist nur auf POST /v1/audio/speech verfügbar.

So rufst du Gemini 3.8 Flash-Lite TTS und Gemini 3.8 Flash TTS auf

Gemini 3.8 Flash-Lite TTS erzeugt Sprache über POST /v1/audio/speech und liefert abspielbares Audio. Sende den zu sprechenden Text als input mit der Modell-ID gemini-3-8-flash-lite-tts. Beide Modelle werden über denselben Endpunkt aufgerufen. Setze model auf gemini-3-8-flash-lite-tts oder gemini-3-8-flash-tts. Hol dir einen API-Schlüssel im EmpirioLabs Dashboard.

curl https://api.empiriolabs.ai/v1/audio/speech \
  -H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-3-8-flash-lite-tts",
    "input": "Welcome to EmpirioLabs. Your build just finished."
  }' \
  --output speech.mp3

Gemini 3.8 Flash-Lite TTS vs Gemini 3.8 Flash TTS: häufige Fragen

Was ist der Unterschied zwischen Gemini 3.8 Flash-Lite TTS und Gemini 3.8 Flash TTS?

Beide Modelle erschienen am 22. Sept. 2026. Gemini 3.8 Flash-Lite TTS hat den niedrigeren Preis für Ausgabe (pro 1 Million generierter Token). Beide Modelle haben denselben Preis für Eingabe (pro 1M Prompt-Token). Die Spezifikationen, Preistabellen und Parameter auf dieser Seite stammen aus dem Live-Katalog von EmpirioLabs.

Welches Modell hat den niedrigeren Preis, Gemini 3.8 Flash-Lite TTS oder Gemini 3.8 Flash TTS?

Gemini 3.8 Flash-Lite TTS hat den niedrigeren Preis für Ausgabe (pro 1 Million generierter Token). Beide Modelle haben denselben Preis für Eingabe (pro 1M Prompt-Token). Beide Live-Preistabellen stehen auf dieser Seite und entsprechen immer dem, was die API berechnet.

Kann ich zwischen Gemini 3.8 Flash-Lite TTS und Gemini 3.8 Flash TTS wechseln, ohne meine Integration umzubauen?

Ja. Beide Modelle nutzen POST /v1/audio/speech mit demselben EmpirioLabs API-Schlüssel, die meisten Integrationen wechseln also durch Ändern des model Werts. Prüfe zuerst die Parametertabelle auf dieser Seite, wenn du dich auf einen modellspezifischen Parameter verlässt.

Kann ich Gemini 3.8 Flash-Lite TTS und Gemini 3.8 Flash TTS im Browser testen, bevor ich integriere?

Ja. Öffne jedes Modell im EmpirioLabs Playground und führe denselben Prompt auf beiden aus, mit den Parametern, die die API bereitstellt.