Gemini 3.8 Flash TTS API

Über Gemini 3.8 Flash TTS

Ausdrucksstarke Sprache mit Inline-Vokaltags, Stilrichtung und Dialog mit zwei Sprechern, in 130 Sprachen und einer Bibliothek von mehr als 2.000 Stimmen.

Auch bekannt als Gemini Flash TTS, Google Gemini 3.8 Flash TTS

Gemini 3.8 Flash TTS Spezifikationen

Modell-ID

gemini-3-8-flash-tts

Autor

Google

Kategorie

Audiogeneration

Veröffentlicht

22. Sept. 2026

Eingabe

Text

Ausgabe

Audio

Endpoints

POST/v1/audio/speechPOST/v1/audio/speech:streamGET/v1/voices

Alternative Modell-IDs

gemini-3.8-flash-ttsgoogle/gemini-3.8-flash-tts

Gemini 3.8 Flash TTS API-Preise

Live Pay-as-you-go-Preise aus dem EmpirioLabs-Katalog. Du zahlst nur für das, was du nutzt, ohne monatliches Minimum.

So rufst du die Gemini 3.8 Flash TTS API auf

Gemini 3.8 Flash 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-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-tts",
    "input": "Welcome to EmpirioLabs. Your build just finished."
  }' \
  --output speech.mp3

import requests

response = requests.post(
    "https://api.empiriolabs.ai/v1/audio/speech",
    headers={"Authorization": "Bearer YOUR_EMPIRIOLABS_API_KEY"},
    json={"model": "gemini-3-8-flash-tts", "input": "Welcome to EmpirioLabs."},
)
with open("speech.mp3", "wb") as f:
    f.write(response.content)

Gemini 3.8 Flash TTS API-Parameter

Request-Parameter, die die Gemini 3.8 Flash TTS API auf EmpirioLabs unterstützt. Standardwerte gelten, wenn ein Feld weggelassen wird.

Gut zu wissen

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.

Gemini 3.8 Flash TTS API: häufige Fragen

Wie viel kostet die Gemini 3.8 Flash TTS API?

Auf EmpirioLabs wird Gemini 3.8 Flash TTS nach Verbrauch abgerechnet: Eingabe $2.60 pro 1M Prompt-Token; Ausgabe $46.80 pro 1 Million generierter Token. Die Live-Preistabelle auf dieser Seite entspricht immer dem, was die API berechnet.

Welchen Endpoint verwendet Gemini 3.8 Flash TTS?

Gemini 3.8 Flash TTS wird über POST /v1/audio/speech auf api.empiriolabs.ai mit normaler Bearer-Token-Authentifizierung bereitgestellt.

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

Ja. Der EmpirioLabs Playground führt Gemini 3.8 Flash TTS im Browser mit denselben Parametern aus, die die API bietet. So kannst du Prompts testen, bevor du Code schreibst.

Wie bekomme ich einen Gemini 3.8 Flash TTS API-Schlüssel?

Erstelle ein EmpirioLabs-Konto und generiere dann einen Schlüssel unter API Keys im Dashboard. Die Abrechnung erfolgt über Pay-as-you-go-Guthaben, du zahlst also nur für deine Requests.

Gemini 3.8 Flash TTS mit anderen Modellen vergleichen