Gemini 3.8 Flash Lite TTS Text to Speech API

google/gemini-3.8-flash-lite/text-to-speech

Gemini 3.8 Flash Lite TTS Text to Speech 以每千字符6 credits 将文稿和双人对话转为 WAV 语音,覆盖101种语言。它保留 Gemini 3.8 Flash TTS 的30种预设音色、风格指令和对话格式,让大批量朗读任务易于扩展。

输入

207 计费字符

示例

中文课程旁白

中文课程旁白 — 带有亲切讲课风格的中文在线课程旁白。

Gemini 3.8 Flash Lite TTS Text to Speech

Gemini 3.8 Flash Lite TTS Text to Speech 是 Google 于2026年9月推出的高吞吐、高性价比模型,Google 推荐将其用于大批量语音生产。它能在101种语言中自动识别文稿语言,并沿用 Gemini 3.8 Flash TTS 的30种预设音色、风格指令和双人对话格式。每千字符6 credits,适合朗读功能、课程旁白和应用提示音。

为什么选择 Gemini 3.8 Flash Lite TTS?

  • 为大批量而生每千字符6 credits($0.03),一百万字符为6,000 credits。

  • 与 Gemini 3.8 Flash TTS 相同的请求音色、风格指令和对话格式完全一致,修改 model 即可在两者之间切换。

  • 自动识别101种语言用各自语言书写文稿,模型无需语言代码即可朗读。

  • 双人问答与讲解用 speakers 和 turns 制作问答音频、简短 FAQ 或简单访谈。

语音参数

参数要求作用与用法
text单人模式必填

单人模式:要朗读的文稿。请按实际要听到的内容书写,演绎指令放在 Style Instructions 中。

voice可选

单人模式:30种预设音色之一,默认 Kore。

默认值KoreAchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
speakers对话模式必填

对话模式:恰好两位说话人,每位需要唯一的 speaker_id 和30种预设音色之一。

speakers[].speaker_id每项必填

说话人唯一且非空的名称,例如 Host。

speakers[].voice每项必填

该说话人的预设音色。

AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKoreLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
turns对话模式必填

对话模式:按顺序排列的台词。每条需指定 Speakers 中的 speaker_id 和 text,并可为该句单独填写 style_instructions。

turns[].speaker_id每项必填

说出该句台词的说话人 speaker_id。

turns[].text每项必填

该句台词内容,不能为空。

turns[].style_instructions可选

仅作用于该句的可选指令。

style_instructions可选

可选,整段请求的演绎指令,例如语气、语速或场景。其字符计入费用。

enable_safety_checker可选

对请求启用上游安全检查,默认 true。

默认值truefalse

四步生成语音

  1. 选择请求形式单人朗读选择 Single speaker,双人对话选择 Dialogue 并填写说话人和台词。

  2. 填写文稿或台词按实际要听到的内容填写文稿;对话模式下为每条台词指定说话人。

  3. 添加风格指令为整段请求描述语气、语速或场景,必要时为个别台词单独添加简短指令。

  4. 运行并下载 WAV在 Run 按钮上确认费用后点击 Run,任务完成后下载 WAV 文件。

按字符计费

Gemini 3.8 Flash Lite TTS Text to Speech 每1,000个计费字符收费 $0.030,即6 credits。计费字符包括 Text 与 Style Instructions,对话模式下还包括每条台词的 text 和 style_instructions;speaker_id 不计入。

文本长度费用计算方式
1,000字符$0.030 · 6 credits1000 × 6 / 1000 = 6 credits
100,000字符$3.00 · 600 credits100000 × 6 / 1000 = 600 credits
1,000,000字符$30.00 · 6,000 credits1000000 × 6 / 1000 = 6,000 credits

适用场景

  • 文章与文档朗读以较低的单字符成本朗读新闻、帮助文档和通知。

  • 批量课程旁白用统一的预设音色,以101种语言生成大量短课程。

  • 双人 FAQ把用户提问和客服回答制作成简短的对话音频。

  • 配音草稿在确定最终版本前,为广告或讲解文稿生成多个版本。

使用技巧

  • 演绎指令请放在 Style Instructions 中;Google 说明 Gemini 3.8 TTS 会按字面朗读文稿。
  • 为对话说话人设置简短且不同的 ID,例如 Host 和 Guest,并让每条台词对应其中一位。
  • 只有当某句需要与全局指令不同的情绪时,才为该句单独添加风格指令。
  • 为两位说话人选择差异明显的音色,例如 Kore 搭配 Puck,便于听众分辨。
  • 需要更细腻演绎的关键文稿,只需修改 model 即可切换到 Gemini 3.8 Flash TTS。

发布前须知

  • 音频以 WAV 文件返回;如播放器需要 MP3 或 Opus,请在音频工具中转换。
  • Google 为该模型设定了8,192 token 的输入上限,特别长的文稿请拆分为多个请求。

Gemini 3.8 Flash Lite TTS Text to Speech API 常见问题

Gemini 3.8 Flash Lite TTS Text to Speech API 是什么?

Gemini 3.8 Flash Lite TTS Text to Speech 是 Google 用于快速、经济地生成语音的模型。它能以101种语言生成单人语音或双人对话,并沿用 Gemini 3.8 Flash TTS 的30种预设音色与风格指令。Google 将 Flash Lite 档位设计用于高吞吐生产,同时保持按原文朗读文稿。你可以通过 API 进行程序化调用,也可以在上方体验区直接在线试用。

Gemini 3.8 Flash Lite TTS 如何生成双人对话?

选择 Dialogue,提交恰好两位 speakers(各含 speaker_id 和预设音色)以及 turns 列表。每条台词指定一个 speaker_id、text,并可选填 style_instructions。此形式下不提交顶层 text 和 voice。

Gemini 3.8 Flash Lite TTS 的演绎指令应写在哪里?

写在 style_instructions 中,可作用于整段请求或单条台词。Google 说明 Gemini 3.8 TTS 会按字面朗读文稿,写在文本里的指令可能会被读出来。

Gemini 3.8 Flash Lite TTS 提供哪些音色?

共有30种预设:Achernar、Achird、Algenib、Algieba、Alnilam、Aoede、Autonoe、Callirrhoe、Charon、Despina、Enceladus、Erinome、Fenrir、Gacrux、Iapetus、Kore、Laomedeia、Leda、Orus、Pulcherrima、Puck、Rasalgethi、Sadachbia、Sadaltager、Schedar、Sulafat、Umbriel、Vindemiatrix、Zephyr、Zubenelgenubi。单人模式默认 Kore。

Gemini 3.8 Flash Lite TTS 如何处理语言?

Gemini 3.8 Flash Lite TTS 会在101种语言中根据文稿自动识别语言。请用目标语言书写文稿,无需单独设置语言。

Gemini 3.8 Flash Lite TTS 与 Gemini 3.8 Flash TTS 有何不同?

两者字段、30种音色和双人对话完全相同。Flash Lite 覆盖101种语言,每千字符6 credits($0.03);Gemini 3.8 Flash TTS 覆盖130种语言,每千字符9 credits,是 Google 演绎细节更丰富的档位。大批量生成前,建议先用两者测试你的对话文稿。

Gemini 3.8 Flash Lite TTS 返回什么音频格式?

每个完成的任务会在 files 中返回一个 WAV 文件。如播放器或平台需要压缩格式,请在音频工具中转换为 MP3 或 Opus。

Gemini 3.8 Flash Lite TTS 如何统计计费字符?

计费包括 Text、Style Instructions,以及对话中每条台词的 text 和 style_instructions,每1,000字符6 credits($0.030)。speaker_id 不计入。