Gemini 3.8 Flash-Lite TTS vs Gemini 3.1 Flash TTS

Gemini 3.8 Flash-Lite TTS vs Gemini 3.1 Flash TTS em resumo

Gemini 3.8 Flash-Lite TTS e Gemini 3.1 Flash TTS são modelos de Google na categoria Geração de Áudio, disponíveis pela API da EmpirioLabs.

Principais diferenças

• Gemini 3.8 Flash-Lite TTS é o lançamento mais recente (22 de set. de 2026); Gemini 3.1 Flash TTS foi lançado em 13 de abr. de 2026.
• Recursos indicados apenas para Gemini 3.8 Flash-Lite TTS: voice tags, voice control, streaming, voice cloning.
• Gemini 3.8 Flash-Lite TTS tem a tarifa mais baixa para Saída (por 1M de tokens gerados).
• Os dois modelos têm a mesma tarifa para Entrada (por 1M de tokens de prompt).

Gemini 3.8 Flash-Lite TTS vs Gemini 3.1 Flash TTS: especificações

Gemini 3.8 Flash-Lite TTS vs Gemini 3.1 Flash TTS: preços da API

Tarifas ao vivo do catálogo da EmpirioLabs para os dois modelos. Cada tabela de tarifas sempre corresponde ao que a API cobra.

Gemini 3.8 Flash-Lite TTS vs Gemini 3.1 Flash TTS: parâmetros da API

Parâmetros de requisição que cada modelo indica na EmpirioLabs, com os valores permitidos ou o intervalo quando houver. Um traço marca um parâmetro que o modelo não indica.

Gemini 3.8 Flash-Lite TTS vs Gemini 3.1 Flash TTS: limites e notas

Gemini 3.8 Flash-Lite TTS

Limites

• Texto: até 5.000 caracteres por pedido
• Faturamento de áudio: 32 tokens de saída por segundo de áudio gerado
• 101 idiomas. O idioma do texto é detectado automaticamente.

Vozes

• As 30 vozes da lista de voice falam todos os idiomas suportados.
• GET /v1/voices?model=gemini-3-8-flash-lite-tts lista a biblioteca completa de mais de 2.000 vozes em 30 locais, com o idioma, sotaque, gênero, tom e uma descrição de cada um. Filtre com language, gender, pitch ou q. Qualquer id que ele devolver funciona como voice ou voice2; quando você também definir language, use o idioma próprio da voz.

Vozes personalizadas

• Defina voice para custom e passe duas gravações do mesmo falante adulto como URLs https: voice_audio_url, de 10 a 30 segundos de fala natural, e voice_consent_audio_url, o falante lendo "Eu sou o dono desta voz e consinto que o Google use essa voz para criar um modelo de voz sintética." A afirmação é aceita em 30 idiomas; consent_statements nesse parâmetro lista cada redação.
• Ambos devem ser gravações de uma pessoa real, em um cômodo silencioso no mesmo microfone. Áudio gerado por IA não é aceito. WAV, MP3, M4A, OGG, WEBM e FLAC são aceitos, com até 15 MB cada.
• A resposta inclui voice_id e voice_id_expires_at. Passe a voice_id como voice ou voice2 para reutilizar a voz por 7 dias sem novas gravações. Uma voice_id funciona apenas para a conta que a criou.
• Esse modelo não mantém nenhuma lista de vozes personalizadas, então mantenha o voice_id da resposta. Uma voz personalizada termina quando seu id expira, então não há nada para deletar.
• No Playground, defina Voz como Personalizado para usar uma voz criada na mesma aba novamente, ou copie seu id.

Direção de entrega

• Coloque a direção para toda a passagem em style_prompt em vez de no texto, por exemplo, "calorosa, sem pressa e reconfortante".
• Coloque tags vocais na linha onde o som deve acontecer. Use essas tags em inglês mesmo quando o texto estiver em outro 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>

• Coloque uma palavra maiúscula para enfatizar. Envolva uma reação do ouvinte em tubos, por exemplo |mm-hmm|, para adicioná-la sem começar uma nova turnada.

Multi-alto-falante

• Até dois alto-falantes por pedido. Comece cada linha com um nome de alto-falante e dois pontos, por exemplo Orador1: e Orador2:. Os nomes devem corresponder a speaker1_name e speaker2_name.

Saída

• WAV, MP3, OGG (Opus), ALAW ou MULAW, entre 8.000 e 48.000 Hz.
• POST /v1/audio/speech:stream envia chunks PCM de 16 bits a 24.000 Hz enquanto o áudio é gerado, depois o arquivo completo no formato solicitado. speed está disponível apenas no POST /v1/audio/speech.

Gemini 3.1 Flash TTS

O TTS Gemini mais controlável até hoje.

Limites

• Prompt de texto + estilo: 4.000 bytes cada (8.000 combinados)
• Saída máxima: ~10 minutos
• Faturamento de áudio: ~25 tokens por segundo (~15 chars/s)
• A linguagem é autodetectada; a configuração de linguagem é uma dica, não uma restrição

Tags de áudio inline (entrega de controle)

• Emoção: [whispers], [shouts], [laughs], [sighs], [cheerful], [sad], [angry], etc.
• Ritmo: [slow], [fast], [extremely fast], [normal pace]
• Pausas: [short pause], [long pause], [breath]
• Ênfase: [softly], [loudly], [high pitch], [low pitch], [rising tone], [falling tone]

Como chamar Gemini 3.8 Flash-Lite TTS e Gemini 3.1 Flash TTS

Gemini 3.8 Flash-Lite TTS gera fala por POST /v1/audio/speech e retorna áudio reproduzível. Envie o texto a ser falado em input com o id de modelo gemini-3-8-flash-lite-tts. Os dois modelos são chamados pelo mesmo endpoint. Defina model como gemini-3-8-flash-lite-tts ou gemini-3-1-flash-tts. Obtenha uma chave de API no painel 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 3.1 Flash TTS: perguntas frequentes

Qual é a diferença entre Gemini 3.8 Flash-Lite TTS e Gemini 3.1 Flash TTS?

Gemini 3.8 Flash-Lite TTS é o lançamento mais recente (22 de set. de 2026); Gemini 3.1 Flash TTS foi lançado em 13 de abr. de 2026. Recursos indicados apenas para Gemini 3.8 Flash-Lite TTS: voice tags, voice control, streaming, voice cloning. Gemini 3.8 Flash-Lite TTS tem a tarifa mais baixa para Saída (por 1M de tokens gerados). As especificações, as tabelas de tarifas e os parâmetros desta página vêm do catálogo ao vivo da EmpirioLabs.

Qual é mais recente, Gemini 3.8 Flash-Lite TTS ou Gemini 3.1 Flash TTS?

Gemini 3.8 Flash-Lite TTS é o lançamento mais recente (22 de set. de 2026); Gemini 3.1 Flash TTS foi lançado em 13 de abr. de 2026.

Qual tem a tarifa mais baixa, Gemini 3.8 Flash-Lite TTS ou Gemini 3.1 Flash TTS?

Gemini 3.8 Flash-Lite TTS tem a tarifa mais baixa para Saída (por 1M de tokens gerados). Os dois modelos têm a mesma tarifa para Entrada (por 1M de tokens de prompt). As duas tabelas de tarifas ao vivo estão nesta página e sempre correspondem ao que a API cobra.

Posso alternar entre Gemini 3.8 Flash-Lite TTS e Gemini 3.1 Flash TTS sem reconstruir minha integração?

Sim. Os dois modelos usam POST /v1/audio/speech com a mesma chave de API da EmpirioLabs, então a maioria das integrações alterna só mudando o valor model. Confira antes a tabela de parâmetros desta página se você depende de um parâmetro específico de um modelo.

Posso testar Gemini 3.8 Flash-Lite TTS e Gemini 3.1 Flash TTS no navegador antes de integrar?

Sim. Abra cada modelo no playground da EmpirioLabs e execute o mesmo prompt nos dois, com os parâmetros que a API expõe.