Gemini 3.8 Flash TTS

O Gemini 3.8 Flash TTS (gemini-3.8-flash-tts) é o principal modelo de conversão de texto em voz do Google, disponível no Gemini Enterprise. Ele foi criado para fidelidade de voz de estúdio, atuação expressiva, sotaques regionais autênticos e áudio estável de longa duração e vários turnos.

Recursos

  • Fidelidade acústica e nuances de atuação: oferece uma ampla gama emocional, cadência natural e adesão rigorosa às instruções de style no nível da fala e eventos vocais inline, como <laugh>, <sigh> e <short pause>.
  • Estabilidade em diálogos longos e multiturno: mantém a identidade da voz, o timbre, o volume e o tom do ambiente consistentes em diálogos longos e narrações de vários minutos.
  • Sotaques e pronúncias regionais: aceita sotaques regionais e dialetos minoritários em 130 idiomas.
  • Opções de voz: funciona com 30 vozes predefinidas, mais de 2.000 vozes selecionadas na Biblioteca de Vozes Estendida, vozes que você cria com o Design de Voz e vozes que você replica com a Replicação de Voz.

Para recursos, exemplos de código e orientações sobre comandos, consulte Gerar fala com a TTS do Gemini.

Quando usar cada modelo de TTS

Os dois modelos do Gemini 3.8 TTS compartilham o mesmo esquema de solicitação e formato de comando. Escolha o modelo que se adapta à sua carga de trabalho:

Recurso ou carga de trabalho Gemini 3.8 Flash TTS (gemini-3.8-flash-tts) Gemini 3.8 Flash-Lite TTS (gemini-3.8-flash-lite-tts)
Principal ponto forte Fidelidade de voz, nuances de atuação e cobertura de dialetos Alta capacidade de processamento, baixa latência e eficiência de custos
Melhores casos de uso Audiolivros, narração de estúdio, diálogos complexos com vários falantes, tags frequentes de explosão vocal, pronúncia difícil, dialetos regionais Produção em alto volume, cascatas de agentes de voz em tempo real, recursos de leitura em voz alta, replicação de voz, fala cotidiana de um único locutor
Idiomas aceitos 130 idiomas 101 idiomas

Teste no Agent Studio Guia para desenvolvedores Preços

ID do modelo gemini-3.8-flash-tts
Modalidades
Texto Somente entrada
Imagem Não compatível
Áudio Somente saída
Vídeo Não compatível
Limites de tokens Limite de tokens de entrada 8.192
Limite de token de saída 16.384
Recursos
APIs
Opções de consumo
Regiões compatíveis

Disponibilidade do modelo

  • Global: global
  • Multirregional: us, eu

Processamento de ML

  • Multirregional: us, eu

PayGo Standard

  • Global: global
  • Multirregional: us, eu

API Voices (pré-lançamento)

  • Global: global
Versões
  • gemini-3.8-flash-tts
    • Estágio de lançamento: GA
    • Data de lançamento: 28 de outubro de 2026
Idiomas compatíveis 130 idiomas. Consulte os idiomas disponíveis.

Primeiros passos

O exemplo a seguir gera uma fala de um único locutor e a salva como um arquivo WAV:

Console

  1. Abra o Gemini 3.8 Flash TTS no Agent Studio.
  2. No painel de configurações, escolha uma Voz, um Idioma (ou mantenha Detecção automática) e uma descrição opcional de Estilo (por exemplo, cheerful and friendly).
  3. Insira a transcrição para falar na caixa de comando e envie para gerar, reproduzir ou baixar o áudio WAV. Clique em Ver código para exportar a solicitação como 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

Se você usa um modelo anterior do Gemini TTS, consulte o guia de migração.