Gemini 3.8 Flash-Lite TTS vs Gemini 3.8 Flash TTS

Gemini 3.8 Flash-Lite TTS と Gemini 3.8 Flash TTS を並べて比較: 仕様、機能、パラメーター、EmpirioLabs カタログのライブ料金。

Google オーディオ生成

Gemini 3.8 Flash-Lite TTS vs Gemini 3.8 Flash TTS の概要

Gemini 3.8 Flash-Lite TTS と Gemini 3.8 Flash TTS はどちらも Google のモデルで、オーディオ生成カテゴリに属し、EmpirioLabs API から利用できます。

主な違い

  • どちらのモデルも 2026年9月22日 にリリースされました。
  • 出力 (生成された1Mトークンあたり) の料金は Gemini 3.8 Flash-Lite TTS のほうが低くなっています。
  • 入力 (1Mプロンプトトークンあたり) の料金はどちらのモデルも同じです。

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

仕様Gemini 3.8 Flash-Lite TTSGemini 3.8 Flash TTS
モデルIDgemini-3-8-flash-lite-ttsgemini-3-8-flash-tts
開発元GoogleGoogle
リリース2026年9月22日2026年9月22日
入力
テキスト
テキスト
出力
音声
音声
エンドポイント
POST /v1/audio/speech POST /v1/audio/speech:stream GET /v1/voices
POST /v1/audio/speech POST /v1/audio/speech:stream GET /v1/voices
機能
text to speech multi speaker multilingual voice tags voice control streaming voice cloning
text to speech multi speaker multilingual voice tags voice control streaming voice cloning

Gemini 3.8 Flash-Lite TTS vs Gemini 3.8 Flash TTS: API の料金

両モデルの EmpirioLabs カタログのライブ料金です。各料金表は常に API の請求額と一致します。

Gemini 3.8 Flash-Lite TTS vs Gemini 3.8 Flash TTS: API のパラメーター

EmpirioLabs で各モデルに記載されているリクエストパラメーターと、指定できる値または範囲です。ハイフンは、そのモデルに記載のないパラメーターを示します。

パラメータGemini 3.8 Flash-Lite TTSGemini 3.8 Flash TTS
input最大 5000最大 5000
modesingle, multi デフォルト: singlesingle, multi デフォルト: single
languagestringstring
voiceZephyr, Puck, Charon, Kore, Fenrir, Leda, Orus, Aoede, Callir... デフォルト: CharonZephyr, Puck, Charon, Kore, Fenrir, Leda, Orus, Aoede, Callir... デフォルト: Charon
voice_audio_urlstringstring
voice_consent_audio_urlstringstring
voice2Zephyr, Puck, Charon, Kore, Fenrir, Leda, Orus, Aoede, Callir... デフォルト: KoreZephyr, Puck, Charon, Kore, Fenrir, Leda, Orus, Aoede, Callir... デフォルト: Kore
speaker1_namestring デフォルト: Speaker1string デフォルト: Speaker1
speaker2_namestring デフォルト: Speaker2string デフォルト: Speaker2
output_formatWAV, MP3, OGG, ALAW, MULAW デフォルト: WAVWAV, MP3, OGG, ALAW, MULAW デフォルト: WAV
speed0.25 から 2 デフォルト: 10.25 から 2 デフォルト: 1
volume_gain-96 から 16 デフォルト: 0-96 から 16 デフォルト: 0
sample_rate8000, 16000, 22050, 24000, 44100, 48000 デフォルト: 240008000, 16000, 22050, 24000, 44100, 48000 デフォルト: 24000
style_promptstringstring

Gemini 3.8 Flash-Lite TTS vs Gemini 3.8 Flash TTS: 上限と注意点

Gemini 3.8 Flash-Lite TTS

境界

  • テキスト:リクエストあたり最大5,000文字まで
  • 音声請求:生成された音声に対して1秒あたり32の出力トークン
  • 101言語。テキストの言語は自動的に検出されます。

声

  • voiceリストの30人の声は、サポートされているすべての言語を話します。
  • GET /v1/voices?model=gemini-3-8-flash-lite-tts30か所にわたる2,000以上の声の全リストを、言語、アクセント、性別、音程、それぞれの説明とともにリストアップしています。language、gender、pitch、またはqで絞り込みます。返すIDはvoiceまたはvoice2として機能します。設定languageも設定する場合は、その声の言語を使いましょう。

カスタムボイス

  • voiceをcustomし、https URLで同じ成人スピーカーの録音を2回渡すように設定します:voice_audio_url、10秒から30秒の自然な音声、そしてvoice_consent_audio_url話者が「私はこの声の所有者であり、Googleがこの声を使って合成音声モデルを作成することに同意します」と読みます。この文は30言語で受け入れられています。そのパラメータの各表現consent_statementsが一覧化されます。
  • どちらも、静かな部屋で同じマイクで録音された実在の人物の録音でなければなりません。AI生成音声は認められていません。WAV、MP3、M4A、OGG、WEBM、FLACはそれぞれ最大15MBまで対応可能です。
  • 返信にはvoice_idとvoice_id_expires_atが含まれています。voice_idをvoiceまたはvoice2として渡し、7日間新しい録音なしで声を再利用してください。voice_idは作成したアカウントでのみ機能します。
  • このモデルはカスタムボイスのリストを保持しないので、レスポンスからvoice_idを残してください。カスタムボイスはIDが切れると終了するので、削除するものはありません。
  • Playgroundで、同じタブで作成したボイスを再び使うか、IDをコピーするためにVoiceをカスタムに設定してください。

配達方向

  • 本文ではなくstyle_promptで全体の方向性を示しましょう。例えば「温かく、ゆっくり、安心させる」などです。
  • 音声が出るべき場所にボーカルタグを配置してください。テキストが別の言語であっても、以下の英語タグを使いましょう:
<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>
  • 単語を大文字で強調します。例えば、リスナーリアクションをパイプで巻き付けて、新しいターンを始めずに加えるようにします。

マルチスピーカー

  • リクエストごとに最大2人のスピーカーまで。各行をスピーカー名とコロンで始めてください。例えばSpeaker1:とSpeaker2。名前はspeaker1_nameとspeaker2_nameと一致しなければなりません。

ソリューション

  • WAV、MP3、OGG(Opus)、ALAW、またはMULAWで8,000Hzから48,000Hzまで。
  • POST /v1/audio/speech:stream音声生成中に24,000 Hzで16ビットのPCMチャンクを送信し、その後要求された形式の完全なファイルを送信します。speedはPOST /v1/audio/speechのみで利用可能です。

Gemini 3.8 Flash TTS

境界

  • テキスト:リクエストあたり最大5,000文字まで
  • 音声請求:生成された音声に対して1秒あたり32の出力トークン
  • 130言語。テキストの言語は自動的に検出されます。

声

  • voiceリストの30人の声は、サポートされているすべての言語を話します。
  • GET /v1/voices?model=gemini-3-8-flash-ttsは30か所のロケーションで2,000以上の声の全ライブラリを、言語、アクセント、性別、音高、それぞれの説明とともにリストアップしています。language、gender、pitch、またはqでフィルターしてください。返すIDはvoiceまたはvoice2として機能します。languageを設定する際は、その声の言語を使いましょう。

カスタムボイス

  • voiceをcustomし、https URLで同じ成人スピーカーの録音を2回渡すように設定します:voice_audio_url、10秒から30秒の自然な音声、そしてvoice_consent_audio_url話者が「私はこの声の所有者であり、Googleがこの声を使って合成音声モデルを作成することに同意します」と読みます。この文は30言語で受け入れられています。そのパラメータの各表現consent_statementsが一覧化されます。
  • どちらも、静かな部屋で同じマイクで録音された実在の人物の録音でなければなりません。AI生成音声は認められていません。WAV、MP3、M4A、OGG、WEBM、FLACはそれぞれ最大15MBまで対応可能です。
  • 返信にはvoice_idとvoice_id_expires_atが含まれています。voice_idをvoiceまたはvoice2として渡し、7日間新しい録音なしで声を再利用してください。voice_idは作成したアカウントでのみ機能します。
  • このモデルはカスタムボイスのリストを保持しないので、レスポンスからvoice_idを残してください。カスタムボイスはIDが切れると終了するので、削除するものはありません。
  • Playgroundで、同じタブで作成したボイスを再び使うか、IDをコピーするためにVoiceをカスタムに設定してください。

配達方向

  • 本文ではなくstyle_promptで全体の方向性を示しましょう。例えば「温かく、ゆっくり、安心させる」などです。
  • 音声が出るべき場所にボーカルタグを配置してください。テキストが別の言語であっても、以下の英語タグを使いましょう:
<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>
  • 単語を大文字で強調します。例えば、リスナーリアクションをパイプで巻き付けて、新しいターンを始めずに加えるようにします。

マルチスピーカー

  • リクエストごとに最大2人のスピーカーまで。各行をスピーカー名とコロンで始めてください。例えばSpeaker1:とSpeaker2。名前はspeaker1_nameとspeaker2_nameと一致しなければなりません。

ソリューション

  • WAV、MP3、OGG(Opus)、ALAW、またはMULAWで8,000Hzから48,000Hzまで。
  • POST /v1/audio/speech:stream音声生成中に24,000 Hzで16ビットのPCMチャンクを送信し、その後要求された形式の完全なファイルを送信します。speedはPOST /v1/audio/speechのみで利用可能です。

Gemini 3.8 Flash-Lite TTS と Gemini 3.8 Flash TTS の呼び出し方

Gemini 3.8 Flash-Lite TTS は POST /v1/audio/speech で音声を生成し、再生可能なオーディオを返します。読み上げるテキストを input として、モデル ID gemini-3-8-flash-lite-tts と一緒に送信してください。 どちらのモデルも同じエンドポイントで呼び出します。model を gemini-3-8-flash-lite-tts または gemini-3-8-flash-tts に設定してください。 EmpirioLabs ダッシュボードで API キーを取得してください。

cURL
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: よくある質問

Gemini 3.8 Flash-Lite TTS と Gemini 3.8 Flash TTS の違いは何ですか?

どちらのモデルも 2026年9月22日 にリリースされました。 出力 (生成された1Mトークンあたり) の料金は Gemini 3.8 Flash-Lite TTS のほうが低くなっています。 入力 (1Mプロンプトトークンあたり) の料金はどちらのモデルも同じです。 このページの仕様、料金表、パラメーターは EmpirioLabs のライブカタログに基づいています。

Gemini 3.8 Flash-Lite TTS と Gemini 3.8 Flash TTS ではどちらの料金が低いですか?

出力 (生成された1Mトークンあたり) の料金は Gemini 3.8 Flash-Lite TTS のほうが低くなっています。 入力 (1Mプロンプトトークンあたり) の料金はどちらのモデルも同じです。 両方のライブ料金表はこのページにあり、常に API の請求額と一致します。

統合を作り直さずに Gemini 3.8 Flash-Lite TTS と Gemini 3.8 Flash TTS を切り替えられますか?

はい。どちらのモデルも同じ EmpirioLabs API キーで POST /v1/audio/speech を使うため、ほとんどの連携は model の値を変えるだけで切り替えられます。モデル固有のパラメーターに依存している場合は、先にこのページのパラメーター表を確認してください。

統合する前にブラウザで Gemini 3.8 Flash-Lite TTS と Gemini 3.8 Flash TTS を試せますか?

はい。EmpirioLabs プレイグラウンド で各モデルを開き、API と同じパラメーターで同じプロンプトを両方に実行できます。

より良いエンドポイントを使う準備はできていますか?

ご自身のモデルを当社のスタックに展開したい方は、ぜひご価格をご覧ください。