Gemini 3.8 Flash TTS

Gemini 3.8 Flash TTS (gemini-3.8-flash-tts) adalah model text-to-speech unggulan Google, yang tersedia melalui Gemini Enterprise. Audio ini dibuat untuk kesetiaan suara berkualitas studio, akting ekspresif, aksen regional yang autentik, dan audio multi-turn berdurasi panjang yang stabil.

Kemampuan

  • Fidelitas akustik dan nuansa akting: Menghasilkan rentang emosi yang luas, ritme alami, dan kepatuhan yang ketat terhadap petunjuk tingkat giliran style dan peristiwa vokal inline seperti <laugh>, <sigh>, dan <short pause>.
  • Stabilitas percakapan panjang dan multi-giliran: Menjaga konsistensi identitas suara, timbre, volume, dan nada ruangan di seluruh dialog panjang dan narasi berdurasi beberapa menit.
  • Aksen dan pengucapan regional: Mendukung aksen regional dan dialek minoritas dalam 130 bahasa.
  • Opsi suara: Kompatibel dengan 30 suara bawaan, lebih dari 2.000 suara pilihan di Extended Voice Library, suara yang Anda buat dengan Desain suara, dan suara yang Anda replikasi dengan Replikasi suara.

Untuk mengetahui fitur, contoh kode, dan panduan perintah, lihat Membuat ucapan dengan Gemini TTS.

Kapan harus menggunakan model TTS yang mana

Kedua model Gemini 3.8 TTS memiliki skema permintaan dan format perintah yang sama. Pilih model yang sesuai dengan beban kerja Anda:

Fitur atau workload Gemini 3.8 Flash TTS (gemini-3.8-flash-tts) Gemini 3.8 Flash-Lite TTS (gemini-3.8-flash-lite-tts)
Kekuatan utama Kualitas suara, nuansa akting, dan cakupan dialek Throughput tinggi, latensi rendah, dan efisiensi biaya
Kasus penggunaan terbaik Buku audio, narasi studio, dialog multi-pembicara yang kompleks, tag vocal-burst yang sering, pengucapan yang sulit, dialek regional Produksi volume tinggi, rangkaian agen suara real-time, fitur baca lisan, replikasi suara, ucapan satu speaker sehari-hari
Bahasa yang didukung 130 bahasa 101 bahasa

Harga

ID Model gemini-3.8-flash-tts
Modalitas
Text Input saja
Image Tidak didukung
Audio Output saja
Video Tidak didukung
Batas token Batas token input 8.192
Batas token output 16.384
Kemampuan
API
Opsi pemakaian
Region yang didukung

Ketersediaan model

  • Global: global
Versi
  • gemini-3.8-flash-tts
    • Tahap peluncuran: Pratinjau
    • Tanggal rilis: 28 September 2026
Bahasa yang didukung 130 bahasa. Lihat Bahasa yang didukung.

Mulai

Contoh berikut menghasilkan ucapan satu penutur dan menyimpannya sebagai 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

Jika Anda menggunakan model Gemini TTS yang lebih lama, lihat panduan migrasi.