Gemini 3.8 Flash TTS

Gemini 3.8 Flash TTS (gemini-3.8-flash-tts) est le modèle de synthèse vocale phare de Google, disponible via Gemini Enterprise. Il est conçu pour offrir une fidélité vocale de qualité studio, un jeu d'acteur expressif, des accents régionaux authentiques et un son stable de longue durée et multitour.

Capacités

  • Fidélité acoustique et nuances de jeu : offre une large gamme d'émotions, une cadence naturelle et une adhésion étroite aux instructions style au niveau du tour et aux événements vocaux intégrés tels que <laugh>, <sigh> et <short pause>.
  • Stabilité multitour de longue durée : conserve l'identité vocale, le timbre, le volume et le ton de la pièce de manière cohérente sur de longs dialogues et une narration de plusieurs minutes.
  • Accents et prononciation régionaux : prend en charge les accents régionaux et les dialectes minoritaires dans 132 langues.
  • Options de voix : fonctionne avec 30 voix prédéfinies, plus de 2 000 voix sélectionnées dans la bibliothèque de voix étendue, les voix que vous créez avec la conception de voix et les voix que vous répliquez avec la réplication vocale.

Pour en savoir plus sur les fonctionnalités, les exemples de code et les conseils de prompt, consultez Générer des voix avec Gemini TTS.

Quand utiliser quel modèle TTS

Les deux modèles Gemini 3.8 TTS partagent le même schéma de requête et le même format de requête. Choisissez le modèle qui correspond à votre charge de travail :

Fonctionnalité ou charge de travail Gemini 3.8 Flash TTS (gemini-3.8-flash-tts) Gemini 3.8 Flash-Lite TTS (gemini-3.8-flash-lite-tts)
Force principale Fidélité de la voix, nuances de jeu et couverture des dialectes Haut débit, faible latence et rentabilité
Meilleurs cas d'utilisation Livres audio, narration en studio, dialogues complexes entre plusieurs locuteurs, balises d'éclats de voix fréquentes, prononciation difficile, dialectes régionaux Production à grande échelle, cascades d'agents vocaux en temps réel, fonctionnalités de lecture à voix haute, réplication vocale, voix d'un seul locuteur au quotidien
Langues disponibles 132 langues 103 langues

Essayer dans Agent Studio Afficher dans Model Garden Guide du développeur Tarifs

ID du modèle gemini-3.8-flash-tts
Modalités
Texte Entrée uniquement
Image Non compatible
Audio Sortie uniquement
Vidéo Non compatible
Limites de jetons Limite de jetons d'entrée 8 192
Limite de jetons de sortie 16 384
Capacités
API
Options de consommation
Régions où le service est disponible

Disponibilité des modèles

  • Champ d'application global : global
  • Emplacement multirégional : us, eu

Traitement ML

  • Emplacement multirégional : us, eu

PayGo standard

  • Champ d'application global : global
  • Emplacement multirégional : us, eu

API Voices (aperçu)

  • Champ d'application global : global
Versions
  • gemini-3.8-flash-tts
    • Étape de lancement : DG
    • Date de disponibilité : 28 octobre 2026
Langues disponibles 132 langues. Consultez la section Langues acceptées.

Commencer

L'exemple suivant génère un discours à un seul locuteur et l'enregistre sous forme de fichier WAV :

Console

  1. Ouvrez Gemini 3.8 Flash TTS dans Agent Studio.
  2. Dans le panneau des paramètres, choisissez une Voix, une Langue (ou conservez l'option Détection automatique) et une description facultative du Style (par exemple, cheerful and friendly).
  3. Saisissez la transcription à prononcer dans le champ du prompt, puis envoyez-la pour générer, lire ou télécharger l'audio WAV. Cliquez sur Obtenir le code pour exporter la requête en Python, JavaScript ou curl.

Python

from google import genai

client = genai.Client(enterprise=True, project="PROJECT_ID", location="global")

response = client.models.generate_content(
    model="gemini-3.8-flash-tts",
    contents=[{
        "role": "user",
        "parts": [{
            "text": "Have a wonderful day!",
            "speech_metadata": {"style": "cheerful and friendly"},
        }],
    }],
    config={
        "response_modalities": ["AUDIO"],
        "speech_config": {"voice_config": {"voice": "Kore"}},
    },
)

# The SDK has already decoded the base64 audio, so inline_data.data is a
# complete WAV file by default.
with open("out.wav", "wb") as f:
    f.write(response.candidates[0].content.parts[0].inline_data.data)

REST

curl -X POST \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Content-Type: application/json" \
  https://aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/global/publishers/google/models/gemini-3.8-flash-tts:generateContent \
  -d '{
    "contents": [{
      "role": "user",
      "parts": [{
        "text": "Have a wonderful day!",
        "speechMetadata": {"style": "cheerful and friendly"}
      }]
    }],
    "generationConfig": {
      "responseModalities": ["AUDIO"],
      "speechConfig": {
        "voiceConfig": {"voice": "Kore"}
      }
    }
  }' | jq -r '.candidates[0].content.parts[0].inlineData.data' | base64 --decode > out.wav

Si vous utilisez un modèle Gemini TTS antérieur, consultez le guide de migration.