Gemini 3.8 Flash TTS

Gemini 3.8 Flash TTS (gemini-3.8-flash-tts) è il modello di sintesi vocale di punta di Google, disponibile tramite Gemini Enterprise. È progettato per una fedeltà vocale di qualità professionale, recitazione espressiva, accenti regionali autentici e audio stabile in formato lungo e multi-turno.

Funzionalità

  • Fedeltà acustica e sfumature della recitazione: offre un'ampia gamma di emozioni, una cadenza naturale e un'aderenza precisa alle indicazioni style e agli eventi vocali in linea, come <laugh>, <sigh> e <short pause>.
  • Stabilità multi-turno di lunga durata: mantiene l'identità della voce, il timbro, il volume e il tono della stanza coerenti in dialoghi lunghi e narrazioni di più minuti.
  • Accenti e pronuncia regionali: supporta accenti regionali e dialetti minoritari in 130 lingue.
  • Opzioni vocali: funziona con 30 voci predefinite, oltre 2000 voci selezionate nella raccolta vocale estesa, voci create con Voice Design e voci replicate con Replica vocale.

Per funzionalità, esempi di codice e indicazioni per i prompt, consulta Generare contenuti di sintesi vocale con Gemini TTS.

Quando utilizzare un modello TTS

Entrambi i modelli Gemini 3.8 TTS condividono lo stesso schema di richiesta e formato del prompt. Scegli il modello più adatto al tuo workload:

Funzionalità o workload Gemini 3.8 Flash TTS (gemini-3.8-flash-tts) Gemini 3.8 Flash-Lite TTS (gemini-3.8-flash-lite-tts)
Punto di forza principale Fedeltà della voce, sfumature della recitazione e copertura dei dialetti Throughput elevato, bassa latenza ed efficienza in termini di costi
Migliori casi d'uso Audiolibri, narrazione in studio, dialoghi complessi con più relatori, tag vocali frequenti, pronuncia difficile, dialetti regionali Produzione di grandi volumi, cascate di agenti vocali in tempo reale, funzionalità di lettura vocale, replica vocale, parlato quotidiano di un singolo oratore
Lingue supportate 130 lingue 101 lingue

Prezzi

ID modello gemini-3.8-flash-tts
Modalità
Testo Solo input
Immagine Non supportato
Audio Solo output
Video Non supportato
Limiti di token Limite di token di input 8192
Limite di token di output 16.384
Funzionalità
API
Opzioni di consumo
Aree geografiche supportate

Disponibilità del modello

  • Globale: global
Versioni
  • gemini-3.8-flash-tts
    • Fase di lancio: anteprima
    • Data di rilascio: 28 settembre 2026
Lingue supportate 130 lingue. Consulta la sezione Lingue supportate.

Inizia

L'esempio seguente genera un discorso di un singolo oratore e lo salva come file WAV:

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

Se utilizzi un modello Gemini TTS precedente, consulta la guida alla migrazione.