Gemini 3.8 Flash TTS API

Sobre Gemini 3.8 Flash TTS

Fala expressiva com tags vocais em linha, direção de estilo e diálogo para dois falantes, em 130 idiomas e uma biblioteca com mais de 2.000 vozes.

Também conhecido como Gemini Flash TTS, Google Gemini 3.8 Flash TTS

Especificações de Gemini 3.8 Flash TTS

ID do modelo

gemini-3-8-flash-tts

Autor

Google

Categoria

Geração de Áudio

Lançado

22 de set. de 2026

Entrada

Texto

Saída

Áudio

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

Preços da API Gemini 3.8 Flash TTS

Tarifas pay-as-you-go ao vivo do catálogo EmpirioLabs. Você paga só pelo que usa, sem mínimo mensal.

Como chamar a API Gemini 3.8 Flash TTS

Gemini 3.8 Flash 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-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-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)

Parâmetros da API Gemini 3.8 Flash TTS

Parâmetros de requisição suportados pela API Gemini 3.8 Flash TTS na EmpirioLabs. Os padrões valem quando um campo é omitido.

Bom saber

Limites

• Texto: até 5.000 caracteres por pedido
• Faturamento de áudio: 32 tokens de saída por segundo de áudio gerado
• 130 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-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 retorne 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.

API Gemini 3.8 Flash TTS: perguntas frequentes

Quanto custa a API Gemini 3.8 Flash TTS?

Na EmpirioLabs, Gemini 3.8 Flash TTS é cobrado por uso: Entrada $2.60 por 1M de tokens de prompt; Saída $46.80 por 1M de tokens gerados. A tabela de tarifas ao vivo desta página sempre corresponde ao que a API cobra.

Qual endpoint Gemini 3.8 Flash TTS usa?

Gemini 3.8 Flash TTS é servido por POST /v1/audio/speech em api.empiriolabs.ai com autenticação padrão por token Bearer.

Posso testar Gemini 3.8 Flash TTS no navegador antes de integrar?

Sim. O playground da EmpirioLabs executa Gemini 3.8 Flash TTS no navegador com os mesmos parâmetros que a API expõe, para você testar prompts antes de escrever código.

Como consigo uma chave de API Gemini 3.8 Flash TTS?

Crie uma conta EmpirioLabs e gere uma chave em API Keys no painel. A cobrança usa créditos pay-as-you-go, então você paga apenas pelas requisições que faz.

Compare Gemini 3.8 Flash TTS com outros modelos