Gemini 3.8 Flash TTS (gemini-3.8-flash-tts) është modeli kryesor krijues i Google për tekst në ligjërim, i projektuar për besnikëri të zërit të nivelit të studios, aktrim shprehës, thekse autentike rajonale dhe stabilitet të qëndrueshëm për biseda të gjata me shumë kthesa.
Përmbledhja dhe aftësitë
Teksti në ligjërim (TTS) i Gemini 3.8 Flash vendos një standard të ri për gjenerimin shprehës të audios:
- Besnikëri e lartë akustike dhe nuancë e aktrimit: Ofron gamë të pasur emocionale, ritëm natyral dhe respektim të saktë të udhëzimeve të
styledhe ngjarjeve vokale të integruara (<laugh>,<sigh>,<short pause>). - Qëndrueshmëria e bisedave të gjata me disa hapa: Mban të njëjtin identitet zëri, ton, volum dhe ton akustik të dhomës nëpër dialogje të gjata dhe tregime disa minutëshe pa devijim të zërit.
- Thekse dhe shqiptime autentike rajonale: Mbështet thekset rajonale dhe dialektet e pakicave.
- Mbështetje e plotë për ekosistemin e zërit: Funksionon pa probleme me zërat e parainstaluar, bibliotekën e zgjeruar të zërit (
GET /v1beta/voices), personazhet e personalizuar të dizajnit të zërit dhe replikimin e zërit (zërat e ruajtur në mënyrë të vazhdueshme si parazgjedhje, si dhe çelësat opsionalë pa gjendje). Mund të projektosh dhe të replikosh zëra në mënyrë ndërvepruese në Google AI Studio.
Vizito udhëzuesin e Tekstit në ligjërim për mbulim të plotë të veçorive, praktikat më të mira të kërkesave dhe shembujt e kodeve.
Kur të përdorësh cilin model TTS
Të dyja modelet Gemini 3.8 TTS ndajnë të njëjtën skemë API dhe strukturë kërkesash. Zgjidh modelin që i përshtatet ngarkesës sate të punës:
| Veçoria / ngarkesa e punës | Gemini 3.8 Flash TTS (gemini-3.8-flash-tts) |
Gemini 3.8 Flash-Lite TTS (gemini-3.8-flash-lite-tts) |
|---|---|---|
| Pika kryesore e fortë | Besnikëria maksimale e zërit, nuancat e aktrimit dhe mbulimi i dialektit | Rendiment i lartë, vonesë e ulët dhe efikasitet i kostos |
| Rastet më të mira të përdorimit | Librat me audio, narracioni në studio, dialogu kompleks me shumë folës, aktrimi me shumë shpërthime vokale, shqiptimi i vështirë, dialektet rajonale | Prodhim me volum të lartë, kaskada të agjentëve zanorë në kohë reale, veçori të leximit me zë, replikim zëri, gjenerim i përditshëm me një altoparlant |
| Gjuhët e mbështetura | 130 gjuhë | 101 gjuhë |
| Zëvendësimi i rekomanduar për | Niveli i ri kryesor i krijuesit | gemini-3.1-flash-tts-preview |
Udhëzuesi i migrimit
Nëse po migron nga gemini-3.1-flash-tts-preview ose modele më të hershme të Gemini TTS, përditëso kërkesat e tua për skemën e Gemini 3.8 TTS:
- Transfero udhëzimet e nivelit të kthesës te
speech_metadata: Gemini 3.8 TTS i trajton tekstet hyrëse rreptësisht si transkript fjalë për fjalë. Udhëzimet e tekstit të integruar si"Say cheerfully: Hello!"ose"Speaker 1: Hello!"mund të lexohen me zë të lartë. Zhvendos udhëzimet e dërgimit të vazhdueshëm (style) dhe etiketat e folësve (speaker) në metadatat e strukturuara:- Interactions API: Bashkëngjit një shënim me
"type": "speech_metadata","speaker"dhe"style"për çdo bllok teksti - GenerateContent API: Bashkëngjit
"speech_metadata": {"speaker": "...", "style": "..."}në secilinpart.
- Interactions API: Bashkëngjit një shënim me
- Përdor etiketa të ndërfutura me kllapa këndore vetëm për ngjarjet vokale në një moment të caktuar: Mbaji
tingujt e përkohshëm jofjalësorë dhe pauzat të ndërfutura në transkript duke përdorur
kllapa këndore (si p.sh.
<laugh>,<sigh>,<cough>,<breath>ose<short pause>). Vendos stilet e të folurit si p.sh. të folurit me zë të ulët nëspeech_metadata.style. - Specifiko
speakernë çdo radhë në kërkesat me shumë altoparlantë: Çdo radhë në një kërkesë me shumë altoparlantë duhet të përfshijë në mënyrë të qartëspeakerbrendaspeech_metadataqë përputhet me një nga altoparlantët e konfiguruar. - Dizajno personazhet paraprakisht me "Dizajnin e zërit": Zëvendëso blloqet e gjata të trashëguara të "Profilit të audios" / "Shënimeve të regjisorit" me një zë të personalizuar të krijuar te Dizajni i zërit dhe më pas mbaj atë ID të
voice_...nëpërmjet kërkesave të tua për TTS me vargje minimale ose boshe tëstyle. - Llogaria për daljen e parazgjedhur WAV (
audio/wav) në kërkesat unare: Ndryshe ngagemini-3.1-flash-tts-previewdhe modelet e mëparshme të TTS-së (të cilat kthenin PCM të papërpunuar pa kokëaudio/l16si parazgjedhje), Gemini 3.8 TTS kthen audio WAV (audio/wav/AUDIO_WAV) me një kokë standarde RIFF si parazgjedhje për kërkesat unare.- Nëse kodi yt më parë mbështillte bajtet e papërpunuara PCM në një kokë WAV (për shembull, duke përdorur modulin
wavetë Python oseffmpeg), hiq mbështjellësin manual të kokës dhe shkruaj bajtet e kthyera drejtpërdrejt në një skedar.wav. - Nëse linja jote kërkon audio të papërpunuar PCM pa kokë, mu-law ose A-law,
cakto në mënyrë të qartë
response_format.mime_typenë"audio/l16","audio/mulaw"ose"audio/alaw"(për shembull,{"response_format": {"type": "audio", "mime_type": "audio/l16"}}në API-n e "Ndërveprimeve", oseAUDIO_L16,AUDIO_MULAWoseAUDIO_ALAWnëgenerateContent). Shiko Formatet e daljes së audios.
- Nëse kodi yt më parë mbështillte bajtet e papërpunuara PCM në një kokë WAV (për shembull, duke përdorur modulin
gemini-3.8-flash-tts
| Prona | Përshkrimi |
|---|---|
| Kodi i modelit | gemini-3.8-flash-tts |
| Llojet e të dhënave të mbështetura për |
Hyrjet Teksti Rezultati Audio |
| Kufijtë e kodeve qasëse[*] |
Kufiri i tokenëve të hyrjes 8,192 Kufiri i tokenëve të rezultatit 16 384 (kufiri i shërbimit të Gemini API) |
| Aftësitë | Mbështetur Nuk mbështetet Nuk mbështetet Nuk mbështetet Nuk mbështetet Nuk mbështetet Nuk mbështetet API-ja e transmetimit të drejtpërdrejtë Nuk mbështetet Nuk mbështetet Nuk mbështetet Nuk mbështetet Nuk mbështetet |
| Opsionet e konsumit |
Mbështetur Mbështetur Mbështetur |
| Versionet |
|
| Përditësimi i fundit | Shtator 2026 |
Gjuhët e mbështetura
gemini-3.8-flash-tts zbulon automatikisht gjuhën e hyrjes dhe mbështet
mbi 130 gjuhë:
| Gjuha | Gjuha | Gjuha |
|---|---|---|
| Acenisht (shkrimi arab) | Greqisht | Nepalisht (gjuhë individuale) |
| Afrikanisht | Guarani | Fulfuldisht nigeriane |
| Akan | Guxharatisht | Azerbajxhanisht veriore |
| Amarikisht | Kreolishte haitiane | Sotoishte veriore |
| Armenisht | Mongolishtja e Halh-ut | Uzbekisht veriore |
| Asamezisht | Hausisht | Norvegjisht bokmål |
| Avadisht | Hebraisht | Norvegjishte nynorsk |
| Balinezisht | Hindisht | Nianxhaisht |
| bengalisht | Hungarisht | Oksitanisht |
| Banxharisht (shkrimi arab) | Islandisht | Odia (gjuhë individuale) |
| Banxharisht (shkrimi latin) | Igboisht | Pangasinanisht |
| Bashkirisht | Ilokoisht | Persisht (Afganistan) |
| Baskisht | Indonezisht | Polonisht |
| Bjellorusisht | Persisht iranian | Portugalisht |
| Bembisht | Italisht | Punxhabi |
| Boxhpurisht | Japonisht | Rumanisht |
| Boshnjakisht | Javanisht | Rusisht |
| Buginez | Kabyle | Santalisht |
| Bullgarisht | Kambaisht | Serbisht |
| Birmanisht | Kanadisht | Si'ndi |
| Kantonisht | Kashmirisht (shkrimi arab) | Sinhalisht |
| Katalonisht | Kashmirisht (shkrimi deva) | Sllovakisht |
| Sibuanoisht | Kazakisht | Sllovenisht |
| Kurdishte qendrore | Kmerisht | Somalisht |
| Çatisgarisht | Kikujuisht | Azerbajxhanisht e jugut |
| Kinezisht (shkrimi Hans) | Kiniaruandisht | Pashtoishtja jugore |
| Kinezisht (shkrimi Hant) | Kongo | Sotoishte jugore |
| Tatarisht (Krimea) | Koreanisht | Spanjisht |
| Kroatisht | Kirgizisht | Arabisht standarde (shkrim arab) |
| Çekisht | Laosisht | Arabisht standarde (shkrimi latin) |
| Danisht | Latgalianisht | Letonisht standarde |
| Holandisht | Lingala | Malajzisht standarde |
| Diulaisht | Lituanisht | Suahilisht (gjuhë individuale) |
| Xhonkisht | Luksemburgisht | Suatisht |
| Arabisht (Egjipt) | Maqedonisht | Suedisht |
| Anglisht | Magahi | Taxhikisht |
| Estonisht | Maitilisht | Tamilisht |
| Filipinisht | Malajalamisht | Teluguisht |
| Finlandisht | Maltisht | Tajlandisht |
| Frëngjisht | Manipurisht | Tigrinja |
| Galicisht | Maratisht | Shqip toskërisht |
| Ganda | Minangkabau (shkrimi arab) | Turqisht |
| Gjeorgjisht | Minangkabau (shkrimi latin) | Ujgurisht |
| Gjermanisht | Mizoisht | Vietnamisht |