O Gemini 3.8 Flash-Lite TTS (gemini-3.8-flash-lite-tts) é o modelo de conversão de texto em voz rápido e econômico do Google para cargas de trabalho de produção de alta taxa de transferência, disponível no Gemini Enterprise.
Recursos
- Eficiência de alta capacidade de processamento: criado para produção em massa, cascatas de agentes de voz conversacionais, recursos de leitura em voz alta e fala cotidiana de um único falante em 101 idiomas.
- Mesmo esquema do Gemini 3.8 Flash TTS: usa o mesmo esquema de solicitação e formato de comando que
gemini-3.8-flash-tts. Assim, é possível mudar de modelo alterando o ID do modelo. - Opções de voz: funciona com 30 vozes pré-criadas, mais de 2.000 vozes selecionadas na Biblioteca de vozes avançada, vozes criadas com o Design de voz e vozes replicadas com a Replicação de voz.
Para recursos, exemplos de código e orientações sobre comandos, consulte Gerar fala com o Gemini TTS.
Quando usar cada modelo de TTS
Os dois modelos de TTS do Gemini 3.8 compartilham o mesmo esquema de solicitação e formato de comando. Escolha o modelo adequado para sua carga de trabalho:
| Recurso ou carga de trabalho | Gemini 3.8 Flash-Lite TTS (gemini-3.8-flash-lite-tts) |
Gemini 3.8 Flash TTS (gemini-3.8-flash-tts) |
|---|---|---|
| Ponto forte principal | Alta capacidade de processamento, baixa latência e eficiência de custos | Fidelidade da voz, nuances da atuação e cobertura de dialetos |
| Melhores casos de uso | Produção de alto volume, cascatas de agentes de voz em tempo real, recursos de leitura em voz alta, replicação de voz, fala cotidiana de um único falante | Audiolivros, narração em estúdio, diálogos complexos com vários falantes, tags de explosão vocal frequentes, pronúncia difícil, dialetos regionais |
| Idiomas aceitos | 101 idiomas | 130 idiomas |
| ID do modelo | gemini-3.8-flash-lite-tts |
|
|---|---|---|
| Modalidades |
|
|
| Limites de tokens | Limite de tokens de entrada | 8.192 |
| Limite de token de saída | 16.384 | |
| Recursos |
|
|
| Opções de consumo |
|
|
| Regiões compatíveis |
|
|
| Versões |
|
|
| Idiomas compatíveis | 101 idiomas. Consulte Idiomas aceitos. | |
Primeiros passos
O exemplo a seguir gera fala de um único falante e a salva como um arquivo 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-lite-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-lite-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 o gemini-3.1-flash-tts-preview ou outro modelo anterior do Gemini TTS,
consulte
o guia de migração.