‫Google משתמשת בטכנולוגיית AI כדי לתרגם תוכן לשפה המועדפת עליך. בתרגומים כאלו עשויות להיות שגיאות.

Gemini 3.8 Flash TTS

‫Gemini 3.8 Flash TTS (gemini-3.8-flash-tts) הוא מודל הדגל של Google להמרת טקסט לדיבור (TTS), שזמין דרך Gemini Enterprise. הוא נועד ליצור קולות באיכות אולפן, משחק אקספרסיבי, מבטאים אזוריים אותנטיים ואודיו יציב בפורמט ארוך עם כמה פניות.

יכולות

נאמנות אקוסטית וניואנסים של משחק: מגוון רחב של רגשות, קצב דיבור טבעי והתאמה קרובה להוראות style ברמת התור ואירועים קוליים מוטבעים כמו <laugh>,‏ <sigh> ו-<short pause>.
יציבות בשיחות ארוכות ורב-שלביות: שומרת על עקביות בזהות הקול, בגוון הצליל, בעוצמת הקול ובצליל החדר בדיאלוגים ארוכים ובקריינות של כמה דקות.
מבטאים והגייה אזוריים: תמיכה במבטאים אזוריים ובניבים של מיעוטים ב-132 שפות.
אפשרויות קוליות: עובד עם 30 קולות מובנים, יותר מ-2,000 קולות שנבחרו בקפידה בספריית הקולות המורחבת, קולות שאתם יוצרים באמצעות עיצוב קול וקולות שאתם משכפלים באמצעות רפליקציה של קולות.

במאמר יצירת דיבור באמצעות Gemini TTS מפורטות התכונות, דוגמאות קוד והנחיות לכתיבת הנחיות.

מתי להשתמש בכל מודל TTS

לשני המודלים של Gemini 3.8 TTS יש אותה סכימת בקשות ואותו פורמט הנחיות. בוחרים את המודל שמתאים לעומס העבודה:

תכונה או עומס עבודה	‫Gemini 3.8 Flash TTS‏ (`gemini-3.8-flash-tts`)	‫Gemini 3.8 Flash-Lite TTS‏ (`gemini-3.8-flash-lite-tts`)
החוזק העיקרי	דיוק הקול, ניואנסים במשחק וכיסוי של ניבים	תפוקה גבוהה, זמן אחזור נמוך ועלות-תועלת
תרחישי השימוש הכי טובים	ספרי אודיו, קריינות באולפן, דיאלוג מורכב עם כמה דוברים, תגים תכופים של התפרצויות קוליות, הגייה קשה, ניבים אזוריים	הפקה בנפח גבוה, סוכני קול בזמן אמת, תכונות הקראה, רפליקציה של קולות, דיבור יומיומי של דובר יחיד
השפות הנתמכות	‫132 שפות	‫103 שפות

התנסות ב-Agent Studio הצגה ב-Model Garden מדריך למפתחים תמחור

מזהה המודל	`gemini-3.8-flash-tts`
מודליות	טקסט קלט בלבד תמונה אין תמיכה אודיו פלט בלבד וידאו אין תמיכה
מגבלות על טוקנים	מגבלת טוקנים של קלט	8,192
מגבלות על טוקנים	מגבלת הטוקנים בפלט	16,384
יכולות	דיבור של דובר יחיד נתמך דיבור של כמה דוברים נתמך סטרימינג יש תמיכה עיצוב קול תכונה בגרסת טרום-השקה (Preview) נתמך רפליקציה של קולות תכונה בגרסת טרום-השקה (Preview) יש תמיכה
ממשקי API	GenerateContent API נתמך Interactions API אין תמיכה ‫Gemini Live API לא נתמך ‫Count Tokens API לא נתמך Chat Completions API אין תמיכה
אפשרויות צריכה	Pay-as-you-go נתמך
אזורים נתמכים	זמינות המודלים	גלובלי: `global` במספר אזורים: `us`, `eu`
	עיבוד נתוני למידת מכונה	במספר אזורים: `us`, `eu`
	Standard PayGo	גלובלי: `global` במספר אזורים: `us`, `eu`
	Voices API (גרסת טרום-השקה)	גלובלי: `global`
גרסאות	`gemini-3.8-flash-tts` שלב ההשקה: GA תאריך ההשקה: 28 באוקטובר 2026
שפות נתמכות	‫132 שפות. לרשימת השפות הנתמכות

קדימה, מתחילים

בדוגמה הבאה נוצר דיבור של דובר יחיד ונשמר כקובץ WAV:

המסוף

פותחים את Gemini 3.8 Flash TTS ב-Agent Studio.
בחלונית ההגדרות, בוחרים קול, שפה (או משאירים את האפשרות זיהוי אוטומטי) ותיאור סגנון אופציונלי (לדוגמה, cheerful and friendly).
מזינים את התמליל שרוצים להקריא בתיבת הפרומפט ושולחים אותו כדי ליצור, להפעיל או להוריד את קובץ האודיו בפורמט WAV. לוחצים על Get code כדי לייצא את הבקשה כ-Python, ‏JavaScript או 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

אם אתם משתמשים במודל Gemini TTS ישן יותר, עיינו במדריך להעברת נתונים (מיגרציה).

Gemini 3.8 Flash TTS קל לארגן דפים בעזרת אוספים אפשר לשמור ולסווג תוכן על סמך ההעדפות שלך.