Gemini 3.8 Flash TTS API

Acerca de Gemini 3.8 Flash TTS

Habla expresiva con etiquetas vocales en línea, dirección de estilo y diálogo entre dos hablantes, en 130 idiomas y una biblioteca de más de 2.000 voces.

También conocido como Gemini Flash TTS, Google Gemini 3.8 Flash TTS

Especificaciones de Gemini 3.8 Flash TTS

ID del modelo

gemini-3-8-flash-tts

Autor

Google

Categoría

Generación de audio

Lanzado

22 sept 2026

Entrada

Texto

Salida

Audio

Endpoints

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

IDs de modelo alternativos

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

Precios de la API de Gemini 3.8 Flash TTS

Tarifas de pago por uso en vivo del catálogo de EmpirioLabs. Solo pagas por lo que usas, sin mínimo mensual.

Cómo llamar a la API de Gemini 3.8 Flash TTS

Gemini 3.8 Flash 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-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-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)

Parámetros de la API de Gemini 3.8 Flash TTS

Parámetros de solicitud compatibles con la API de Gemini 3.8 Flash TTS en EmpirioLabs. Los valores por defecto se aplican cuando se omite un campo.

Información útil

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.

API de Gemini 3.8 Flash TTS: preguntas frecuentes

¿Cuánto cuesta la API de Gemini 3.8 Flash TTS?

En EmpirioLabs, Gemini 3.8 Flash TTS se factura por uso: Entrada $2.60 por 1M de tokens de prompt; Salida $46.80 por 1M de tokens generados. La tabla de tarifas en vivo de esta página siempre coincide con lo que cobra la API.

¿Qué endpoint usa Gemini 3.8 Flash TTS?

Gemini 3.8 Flash TTS se sirve a través de POST /v1/audio/speech en api.empiriolabs.ai con autenticación estándar de token Bearer.

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

Sí. El playground de EmpirioLabs ejecuta Gemini 3.8 Flash TTS en el navegador con los mismos parámetros que expone la API, para que pruebes prompts antes de escribir código.

¿Cómo consigo una clave de API de Gemini 3.8 Flash TTS?

Crea una cuenta de EmpirioLabs y genera una clave en API Keys en el panel. La facturación es con créditos de pago por uso, así que solo pagas por las solicitudes que haces.

Compara Gemini 3.8 Flash TTS con otros modelos