Gemini 3.8 Flash TTS (gemini-3.8-flash-tts) est le modèle de synthèse vocale phare de Google, disponible dans 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 pour les contenus audio longs et multitours.
Capacités
- Fidélité acoustique et nuances de jeu d'acteur : offre une large gamme d'émotions, une cadence naturelle et une grande fidélité aux instructions
styleet aux événements vocaux intégrés tels que<laugh>,<sigh>et<short pause>. - Stabilité des conversations longues et multitours : permet de conserver une identité vocale, un timbre, un volume et un ton de pièce cohérents tout au long de longs dialogues et de narrations de plusieurs minutes.
- Accents et prononciations régionaux : prend en charge les accents régionaux et les dialectes minoritaires dans 130 langues.
- Options vocales : fonctionne avec 30 voix prédéfinies, plus de 2 000 voix sélectionnées dans la bibliothèque vocale étendue, les voix que vous créez avec la conception de voix et les voix que vous répliquez avec la réplication de voix.
Pour en savoir plus sur les fonctionnalités, les exemples de code et les conseils concernant les requêtes, consultez Générer de la parole 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 d'invite. 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 du jeu d'acteur et couverture des dialectes | Haut débit, faible latence et rentabilité |
| Meilleurs cas d'utilisation | Livres audio, narration en studio, dialogues complexes à plusieurs locuteurs, tags de vocalisation fréquents, prononciation difficile, dialectes régionaux | Production à grand volume, cascades d'agents vocaux en temps réel, fonctionnalités de lecture à voix haute, réplication de la voix, parole quotidienne à un seul locuteur |
| Langues disponibles | 130 langues | 101 langues |
| ID du modèle | gemini-3.8-flash-tts |
|
|---|---|---|
| Modalités |
|
|
| 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 |
|
|
| Versions |
|
|
| Langues disponibles | 130 langues. Consultez Langues acceptées. | |
Commencer
L'exemple suivant génère un discours à une seule voix et l'enregistre au format 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
Si vous utilisez un modèle Gemini TTS antérieur, consultez le guide de migration.