Gemini 3.8 Flash-Lite TTS vs Gemini 3.8 Flash TTS

Gemini 3.8 Flash-Lite TTS vs Gemini 3.8 Flash TTS de un vistazo

Gemini 3.8 Flash-Lite TTS y Gemini 3.8 Flash TTS son modelos de Google en la categoría Generación de audio, disponibles a través de la API de EmpirioLabs.

Diferencias clave

• Ambos modelos se lanzaron el 22 sept 2026.
• Gemini 3.8 Flash-Lite TTS tiene la tarifa más baja para Salida (por 1M de tokens generados).
• Ambos modelos tienen la misma tarifa para Entrada (por 1M de tokens de prompt).

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

Gemini 3.8 Flash-Lite TTS vs Gemini 3.8 Flash TTS: precios de la API

Tarifas en vivo del catálogo de EmpirioLabs para ambos modelos. Cada tabla de tarifas siempre coincide con lo que cobra la API.

Gemini 3.8 Flash-Lite TTS vs Gemini 3.8 Flash TTS: parámetros de la API

Parámetros de solicitud que cada modelo indica en EmpirioLabs, con los valores permitidos o el rango cuando corresponde. Un guion marca un parámetro que el modelo no indica.

Gemini 3.8 Flash-Lite TTS vs Gemini 3.8 Flash TTS: límites y notas

Gemini 3.8 Flash-Lite TTS

Límites

• Texto: hasta 5.000 caracteres por petición
• Facturación de audio: 32 tokens de salida por segundo de audio generado
• 101 idiomas. El idioma del texto se detecta automáticamente.

Voces

• Las 30 voces de la lista de voice hablan todos los idiomas compatibles.
• GET /v1/voices?model=gemini-3-8-flash-lite-tts lista la biblioteca completa de más de 2.000 voces en 30 lugares, con el idioma, acento, género, tono y una descripción de cada uno. Filtra con language, gender, pitch o q. Cualquier id que devuelva funciona como voice o voice2; cuando también configures language, usa el idioma propio de la voz.

Voces personalizadas

• Configura voice para custom y pasa dos grabaciones del mismo hablante adulto como URLs https: voice_audio_url, de 10 a 30 segundos de habla natural, y voice_consent_audio_url, el hablante leyendo "Soy el propietario de esta voz y consiento que Google use esta voz para crear un modelo de voz sintética." La afirmación está aceptada en 30 idiomas; consent_statements en ese parámetro lista cada redacción.
• Ambos deben ser grabaciones de una persona real, en una habitación silenciosa con el mismo micrófono. No se acepta audio generado por IA. Se aceptan WAV, MP3, M4A, OGG, WEBM y FLAC, de hasta 15 MB cada uno.
• La respuesta incluye voice_id y voice_id_expires_at. Pásale el voice_id como voice o voice2 para reutilizar la voz durante 7 días sin nuevas grabaciones. Un voice_id solo funciona para la cuenta que lo creó.
• Este modelo no guarda ninguna lista de voces personalizadas, así que no hay voice_id de la respuesta. Una voz personalizada termina cuando su id expira, así que no hay nada que borrar.
• En el Playground, configura Voz en Personalizado para usar una voz creada en la misma pestaña de nuevo, o copia su id.

Dirección de entrega

• Pon la dirección para todo el pasaje en style_prompt en lugar de en el texto, por ejemplo, "cálido, sin prisas y tranquilizador".
• Coloca etiquetas vocales en línea donde debería ocurrir el sonido. Usa estas etiquetas en inglés incluso cuando el texto esté en otro idioma:

<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>

• Escribe una palabra con mayúscula para enfatizarla. Envuelve una reacción del oyente en tubos, por ejemplo |mm-hmm|, para añadirla sin empezar un nuevo turno.

Multialtavoz

• Hasta dos altavoces por solicitud. Comienza cada línea con un nombre de altavoz y dos puntos, por ejemplo Speaker1: y Speaker2:. Los nombres deben coincidir con speaker1_name y speaker2_name.

Producto

• WAV, MP3, OGG (Opus), ALAW o MULAW, entre 8.000 y 48.000 Hz.
• POST /v1/audio/speech:stream envía fragmentos PCM de 16 bits a 24.000 Hz mientras se genera el audio, y luego el archivo completo en el formato solicitado. speed está disponible solo en POST /v1/audio/speech.

Gemini 3.8 Flash TTS

Límites

• Texto: hasta 5.000 caracteres por petición
• Facturación de audio: 32 tokens de salida por segundo de audio generado
• 130 idiomas. El idioma del texto se detecta automáticamente.

Voces

• Las 30 voces de la lista de voice hablan todos los idiomas compatibles.
• GET /v1/voices?model=gemini-3-8-flash-tts lista la biblioteca completa de más de 2.000 voces en 30 lugares, con el idioma, acento, género, tono y una descripción de cada uno. Filtra con language, gender, pitch o q. Cualquier id que devuelva funciona como voice o voice2; cuando también configures language, usa el idioma propio de la voz.

Voces personalizadas

• Configura voice para custom y pasa dos grabaciones del mismo hablante adulto como URLs https: voice_audio_url, de 10 a 30 segundos de habla natural, y voice_consent_audio_url, el hablante leyendo "Soy el propietario de esta voz y consiento que Google use esta voz para crear un modelo de voz sintética." La afirmación está aceptada en 30 idiomas; consent_statements en ese parámetro lista cada redacción.
• Ambos deben ser grabaciones de una persona real, en una habitación silenciosa con el mismo micrófono. No se acepta audio generado por IA. Se aceptan WAV, MP3, M4A, OGG, WEBM y FLAC, de hasta 15 MB cada uno.
• La respuesta incluye voice_id y voice_id_expires_at. Pásale el voice_id como voice o voice2 para reutilizar la voz durante 7 días sin nuevas grabaciones. Un voice_id solo funciona para la cuenta que lo creó.
• Este modelo no guarda ninguna lista de voces personalizadas, así que no hay voice_id de la respuesta. Una voz personalizada termina cuando su id expira, así que no hay nada que borrar.
• En el Playground, configura Voz en Personalizado para usar una voz creada en la misma pestaña de nuevo, o copia su id.

Dirección de entrega

• Pon la dirección para todo el pasaje en style_prompt en lugar de en el texto, por ejemplo, "cálido, sin prisas y tranquilizador".
• Coloca etiquetas vocales en línea donde debería ocurrir el sonido. Usa estas etiquetas en inglés incluso cuando el texto esté en otro idioma:

<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>

• Escribe una palabra con mayúscula para enfatizarla. Envuelve una reacción del oyente en tubos, por ejemplo |mm-hmm|, para añadirla sin empezar un nuevo turno.

Multialtavoz

• Hasta dos altavoces por solicitud. Comienza cada línea con un nombre de altavoz y dos puntos, por ejemplo Speaker1: y Speaker2:. Los nombres deben coincidir con speaker1_name y speaker2_name.

Producto

• WAV, MP3, OGG (Opus), ALAW o MULAW, entre 8.000 y 48.000 Hz.
• POST /v1/audio/speech:stream envía fragmentos PCM de 16 bits a 24.000 Hz mientras se genera el audio, y luego el archivo completo en el formato solicitado. speed está disponible solo en POST /v1/audio/speech.

Cómo llamar a Gemini 3.8 Flash-Lite TTS y Gemini 3.8 Flash TTS

Gemini 3.8 Flash-Lite TTS genera voz a través de POST /v1/audio/speech y devuelve audio reproducible. Envía el texto a pronunciar como input con el id de modelo gemini-3-8-flash-lite-tts. Ambos modelos se llaman a través del mismo endpoint. Establece model en gemini-3-8-flash-lite-tts o gemini-3-8-flash-tts. Consigue una clave de API en el panel de EmpirioLabs.

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: preguntas frecuentes

¿Cuál es la diferencia entre Gemini 3.8 Flash-Lite TTS y Gemini 3.8 Flash TTS?

Ambos modelos se lanzaron el 22 sept 2026. Gemini 3.8 Flash-Lite TTS tiene la tarifa más baja para Salida (por 1M de tokens generados). Ambos modelos tienen la misma tarifa para Entrada (por 1M de tokens de prompt). Las especificaciones, las tablas de tarifas y los parámetros de esta página provienen del catálogo en vivo de EmpirioLabs.

¿Cuál tiene la tarifa más baja, Gemini 3.8 Flash-Lite TTS o Gemini 3.8 Flash TTS?

Gemini 3.8 Flash-Lite TTS tiene la tarifa más baja para Salida (por 1M de tokens generados). Ambos modelos tienen la misma tarifa para Entrada (por 1M de tokens de prompt). Las dos tablas de tarifas en vivo están en esta página y siempre coinciden con lo que cobra la API.

¿Puedo cambiar entre Gemini 3.8 Flash-Lite TTS y Gemini 3.8 Flash TTS sin reconstruir mi integración?

Sí. Ambos modelos usan POST /v1/audio/speech con la misma clave de API de EmpirioLabs, así que la mayoría de las integraciones cambian con solo modificar el valor model. Revisa antes la tabla de parámetros de esta página si dependes de un parámetro específico de un modelo.

¿Puedo probar Gemini 3.8 Flash-Lite TTS y Gemini 3.8 Flash TTS en el navegador antes de integrar?

Sí. Abre cada modelo en el playground de EmpirioLabs y ejecuta el mismo prompt en ambos, con los parámetros que expone la API.