Gemini 3.8 Flash TTS

‫Gemini 3.8 Flash TTS (gemini-3.8-flash-tts) הוא מודל הדגל של Google לטקסט לדיבור, שזמין דרך Gemini Enterprise. הוא מיועד לאודיו באיכות אולפן, למשחק אקספרסיבי, למבטאים אזוריים אותנטיים ולאודיו יציב וארוך רב-שלבי.

יכולות

  • דיוק אקוסטי וניואנסים במשחק: מפיק מגוון רחב של רגשות, קצב טבעי והקפדה על ההוראות ברמת התור style ועל אירועים קוליים בתוך השורה כמו <laugh>, <sigh> ו-<short pause>.
  • יציבות בשיחות ארוכות ורב-שלביות: שומר על עקביות בזהות הקולית, בגוון, בעוצמה ובטון של החדר לאורך דיאלוגים ארוכים וקריינות של כמה דקות.
  • מבטאים והגייה אזוריים: תמיכה במבטאים אזוריים ובניבים של מיעוטים ב-130 שפות.
  • אפשרויות קוליות: אפשר להשתמש ב-30 קולות מובנים מראש, ביותר מ-2,000 קולות שנבחרו בקפידה בספריית הקולות המורחבת, בקולות שיוצרים באמצעות עיצוב קולות ובקולות שמשכפלים באמצעות רפליקציה של קולות.

מידע על תכונות, דוגמאות קוד והנחיות לכתיבת הנחיות זמין במאמר בנושא יצירת דיבור באמצעות Gemini TTS.

מתי כדאי להשתמש באיזה מודל TTS

לשני מודלי ה-TTS של Gemini 3.8 יש את אותה סכמת 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)
חוזק ראשי איכות הקול, ניואנסים במשחק וכיסוי של ניבים תפוקה גבוהה, זמן אחזור נמוך ועלות-תועלת
תרחישי שימוש מומלצים ספרי אודיו, קריינות באולפן, דיאלוג מורכב עם כמה דוברים, תגי דיבור תכופים, הגייה מסובכת, ניבים אזוריים הפקה בכמות גדולה, סוכני קול בזמן אמת, תכונות של קריאה בקול רם, רפליקציה של קולות, דיבור יומיומי של דובר יחיד
שפות נתמכות ‫130 שפות ‫101 שפות

Pricing

מזהה המודל gemini-3.8-flash-tts
אמצעי תחבורה
Text Input only
Image Not supported
Audio Output only
Video Not supported
מגבלות על טוקנים מגבלת טוקנים בקלט ‫8,192
מגבלת טוקנים בפלט 16,384
יכולות
ממשקי API
אפשרויות צריכה
אזורים נתמכים

זמינות המודל

  • גלובלי: global
גרסאות
  • gemini-3.8-flash-tts
    • שלב ההשקה: תצוגה מקדימה
    • תאריך ההפצה: 28 בספטמבר 2026
שפות נתמכות 130 שפות. כאן מפורטות השפות הנתמכות.

קדימה, מתחילים

בדוגמה הבאה נוצר דיבור של דובר יחיד והוא נשמר כקובץ 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

אם אתם משתמשים במודל TTS מוקדם יותר של Gemini, תוכלו לעיין במדריך להעברת נתונים (מיגרציה).