Gemini 3.8 Flash TTS vs Gemini 3.1 Flash TTS

Gemini 3.8 Flash TTS vs Gemini 3.1 Flash TTS en un coup d'œil

Gemini 3.8 Flash TTS et Gemini 3.1 Flash TTS sont deux modèles Google de la catégorie Production audio, disponibles via l'API EmpirioLabs.

Différences clés

• Gemini 3.8 Flash TTS est la version la plus récente (22 sept. 2026) ; Gemini 3.1 Flash TTS est sorti le 13 avr. 2026.
• Capacités indiquées uniquement pour Gemini 3.8 Flash TTS : voice tags, voice control, streaming, voice cloning.
• Gemini 3.8 Flash TTS affiche le tarif le plus bas pour Sortie (par 1M de jetons générés).
• Les deux modèles affichent le même tarif pour Entrée (par 1M de jetons d’invite).

Gemini 3.8 Flash TTS vs Gemini 3.1 Flash TTS : caractéristiques

Gemini 3.8 Flash TTS vs Gemini 3.1 Flash TTS : tarifs de l'API

Tarifs en direct du catalogue EmpirioLabs pour les deux modèles. Chaque grille tarifaire correspond toujours à ce que l'API facture.

Gemini 3.8 Flash TTS vs Gemini 3.1 Flash TTS : paramètres de l'API

Paramètres de requête indiqués pour chaque modèle sur EmpirioLabs, avec les valeurs autorisées ou la plage le cas échéant. Un tiret signale un paramètre que le modèle n'indique pas.

Gemini 3.8 Flash TTS vs Gemini 3.1 Flash TTS : limites et notes

Gemini 3.8 Flash TTS

Limites

• Texte: jusqu’à 5 000 caractères par demande
• Facturation audio: 32 jetons de sortie par seconde d’audio généré
• 130 langues. La langue du texte est détectée automatiquement.

Voix

• Les 30 voix de la liste voice parlent toutes les langues prises en charge.
• GET /v1/voices?model=gemini-3-8-flash-tts liste la bibliothèque complète de plus de 2 000 voix réparties dans 30 lieux, avec la langue, l’accent, le genre, la hauteur et une description de chacun. Filtrez-le par language, gender, pitch ou q. Tout id qu’il retourne fonctionne comme voice ou voice2; lorsque vous définissez également language, utilisez la langue propre à la voix.

Voix personnalisées

• Réglez voice pour custom et passez deux enregistrements du même locuteur adulte sous forme d’URL https: voice_audio_url, 10 à 30 secondes de parole naturelle, et voice_consent_audio_url, le locuteur lisant « Je suis le propriétaire de cette voix et je consens à ce que Google utilise cette voix pour créer un modèle de voix synthétique. » L’affirmation est acceptée en 30 langues; consent_statements sur ce paramètre liste chaque formulation.
• Les deux doivent être des enregistrements d’une personne réelle, dans une pièce calme sur le même microphone. L’audio généré par IA n’est pas accepté. WAV, MP3, M4A, OGG, WEBM et FLAC sont acceptés, jusqu’à 15 Mo chacun.
• La réponse inclut voice_id et voice_id_expires_at. Passez le voice_id comme voice ou voice2 pour réutiliser la voix pendant 7 jours sans nouveaux enregistrements. Un voice_id ne fonctionne que pour le compte qui l’a créé.
• Ce modèle ne garde aucune liste de voix personnalisées, donc gardez la voice_id de la réponse. Une voix personnalisée se termine lorsque son identifiant expire, donc il n’y a rien à supprimer.
• Dans le Playground, mettez Voix sur Personnalisé pour utiliser à nouveau une voix créée dans le même onglet, ou copiez son id.

Direction de la livraison

• Mettez la direction de tout le passage dans style_prompt plutôt que dans le texte, par exemple « chaleureux, sans hâte et rassurant ».
• Placez les balises vocales en ligne à l’endroit où le son devrait se produire. Utilisez ces balises anglaises même lorsque le texte est dans une autre langue:

<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>

• Mettez un mot en majuscule pour le souligner. Enveloppez une réaction de l’auditeur dans des tuyaux, par exemple |mm-hmm|, pour l’ajouter sans commencer un nouveau tour.

Multi-haut-parleurs

• Jusqu’à deux intervenants par demande. Commencez chaque ligne par un nom de locuteur et un deux-points, par exemple Speaker1: et Speaker2:. Les noms doivent correspondre à speaker1_name et speaker2_name.

Produit

• WAV, MP3, OGG (Opus), ALAW ou MULAW, entre 8 000 et 48 000 Hz.
• POST /v1/audio/speech:stream envoie des chunks PCM 16 bits à 24 000 Hz pendant la génération de l’audio, puis le fichier complet dans le format demandé. speed est disponible uniquement sur POST /v1/audio/speech.

Gemini 3.1 Flash TTS

Le TTS Gemini le plus contrôlable à ce jour.

Limites

• Texte + invite de style: 4 000 octets chacun (8 000 combinés)
• Sortie maximale: ~10 minutes
• Facturation audio: ~25 jetons par seconde (~15 chars/s)
• Le langage est détecté automatiquement; le réglage du langage est un indice, pas une contrainte

Balises audio en ligne (livraison de contrôle)

• Émotion: [whispers], [shouts], [laughs], [sighs], [cheerful], [sad], [angry], etc.
• Rythme: [slow], [fast], [extremely fast], [normal pace]
• Pauses: [short pause], [long pause], [breath]
• Emphase: [softly], [loudly], [high pitch], [low pitch], [rising tone], [falling tone]

Comment appeler Gemini 3.8 Flash TTS et Gemini 3.1 Flash TTS

Gemini 3.8 Flash TTS génère la voix via POST /v1/audio/speech et renvoie de l'audio lisible. Envoyez le texte à prononcer dans input avec l'id de modèle gemini-3-8-flash-tts. Les deux modèles s'appellent via le même endpoint. Définissez model sur gemini-3-8-flash-tts ou gemini-3-1-flash-tts. Obtenez une clé API depuis le tableau de bord 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

Gemini 3.8 Flash TTS vs Gemini 3.1 Flash TTS : questions fréquentes

Quelle est la différence entre Gemini 3.8 Flash TTS et Gemini 3.1 Flash TTS ?

Gemini 3.8 Flash TTS est la version la plus récente (22 sept. 2026) ; Gemini 3.1 Flash TTS est sorti le 13 avr. 2026. Capacités indiquées uniquement pour Gemini 3.8 Flash TTS : voice tags, voice control, streaming, voice cloning. Gemini 3.8 Flash TTS affiche le tarif le plus bas pour Sortie (par 1M de jetons générés). Les caractéristiques, les grilles tarifaires et les paramètres de cette page proviennent du catalogue EmpirioLabs en direct.

Lequel est le plus récent, Gemini 3.8 Flash TTS ou Gemini 3.1 Flash TTS ?

Gemini 3.8 Flash TTS est la version la plus récente (22 sept. 2026) ; Gemini 3.1 Flash TTS est sorti le 13 avr. 2026.

Lequel a le tarif le plus bas, Gemini 3.8 Flash TTS ou Gemini 3.1 Flash TTS ?

Gemini 3.8 Flash TTS affiche le tarif le plus bas pour Sortie (par 1M de jetons générés). Les deux modèles affichent le même tarif pour Entrée (par 1M de jetons d’invite). Les deux grilles tarifaires en direct sont sur cette page et correspondent toujours à ce que l'API facture.

Puis-je passer de Gemini 3.8 Flash TTS à Gemini 3.1 Flash TTS sans reconstruire mon intégration ?

Oui. Les deux modèles utilisent POST /v1/audio/speech avec la même clé API EmpirioLabs : la plupart des intégrations basculent en changeant la valeur model. Vérifiez d'abord le tableau des paramètres de cette page si vous dépendez d'un paramètre propre à un modèle.

Puis-je essayer Gemini 3.8 Flash TTS et Gemini 3.1 Flash TTS dans le navigateur avant d'intégrer ?

Oui. Ouvrez chaque modèle dans le playground EmpirioLabs et lancez le même prompt sur les deux, avec les paramètres exposés par l'API.