Gemini 中文指南
获取 API 密钥 ↗

Gemini 3.8 Flash-Lite TTS

↓ 下载 MarkdownInteractions API

Gemini 3.8 Flash-Lite TTS (gemini-3.8-flash-lite-tts)是 Google 快速、经济高效的主力文本转语音模型,旨在取代 gemini-3.1-flash-tts-preview 适用于高吞吐量生产工作负载。

在 Google AI Studio 中体验

概述和功能 #

Gemini 3.8 Flash-Lite TTS 将低延迟与富有表现力的自然语音相结合:

  • 高通量效率: 针对批量生产、会话语音智能体级联、朗读功能以及跨主要语言的日常单扬声器语音生成进行了优化。
  • 嵌入式架构兼容性: 与 API 共享完全相同的架构和结构化提示格式 gemini-3.8-flash-tts,允许您通过单个参数更改来切换模型。
  • 完整的语音生态系统支持: 支持预建语音、扩展语音库(GET /v1beta/voices), 定制 声音设计 人物角色, 声音复刻 (默认情况下持久存储的语音,加上可选的无状态密钥),以及 声音重混。您还可以以交互方式设计、复制和重新混合声音 Google AI Studio.

参观 文字转语音 全面覆盖功能、提示最佳实践和代码示例的指南。

何时使用哪种 TTS 模型 #

两个 Gemini 3.8 TTS 模型共享相同的 API 架构和提示结构。选择适合您工作负载的型号:

功能/工作负载Gemini 3.8 Flash-Lite TTS (gemini-3.8-flash-lite-tts)Gemini 3.8 Flash TTS (gemini-3.8-flash-tts)
主要实力高吞吐量、低延迟和成本效益最大的语音保真度、动作细微差别和方言覆盖
最佳用例大批量生产、实时语音智能体级联、朗读功能、语音复制、日常单扬声器生成有声读物、录音室旁白、复杂的多人对话、重声爆发表演、困难发音、地方方言
支持的语言101 语言130 语言
推荐替代品gemini-3.1-flash-tts-preview新旗舰创意层

迁移指南 #

如果您要从 gemini-3.1-flash-tts-preview 到 gemini-3.8-flash-lite-tts,更新您对 Gemini 3.8 TTS 架构的请求:

  1. 将转弯水平方向移至 speech_metadata: Gemini 3.8 TTS 将输入文本严格视为逐字记录。内嵌文本方向如 "Say cheerfully: Hello!" 或 "Speaker 1: Hello!" 可以大声说出。移动持续交付指令(style)和说话者标签(speaker) 转换为结构化元数据:* Interactions API: 附加注释 "type": "speech_metadata", "speaker", 和 "style" 到每个文本内容块。
  • 生成内容 API: 附加 "speech_metadata": {"speaker": "...", "style": "..."} 对每个 part.
  1. 仅对时间点语音事件使用尖括号内联标签: 使用尖括号(例如 <laugh>, <sigh>, <cough>, <breath>, 或 <short pause>)。加入耳语等交付方式 speech_metadata.style.
  2. 指定 speaker 每次多发言者请求时: 多发言者请求中的每个回合都必须明确包含 speaker 里面 speech_metadata 匹配配置的扬声器之一。
  3. 使用语音设计预先设计角色: 用在中创建的自定义语音替换长旧的音频配置文件/导演注释块 声音设计,然后携带它 voice_... 通过 TTS 请求的 ID 最少或为空 style 字符串。
  4. 默认 WAV 帐户(audio/wav) 一元请求的输出: 不像 gemini-3.1-flash-tts-preview 和早期的 TTS 模型(返回无标头原始 PCM audio/l16 默认情况下),Gemini 3.8 TTS 返回 WAV 音频(audio/wav / AUDIO_WAV)对于一元请求默认带有标准 RIFF 标头。 * 如果您的代码之前将原始 PCM 字节包装在 WAV 标头中(例如,使用 Python 的 wave 模块或 ffmpeg),删除手动标头包装器并将返回的字节直接写入 .wav 文件。
  • 如果您的管道需要无头原始 PCM、mu-law 或 A-law 音频,请显式设置 response_format.mime_type 到 "audio/l16", "audio/mulaw", 或 "audio/alaw" (例如, {"response_format": {"type": "audio", "mime_type": "audio/l16"}} 在 Interactions API 中,或 AUDIO_L16, AUDIO_MULAW, 或 AUDIO_ALAW 在 generateContent)。参见 音频输出格式.

gemini-3.8-flash-lite-tts #

属性

说明

模型代码

gemini-3.8-flash-lite-tts

支持的数据类型

输入 文本

输出 音频

token 限制[*]

输入token限制 8,192

输出 token 限制 16,384(Gemini API 服务限制)

功能

音频生成

✓ 支持

代码执行

− 不支持

上下文缓存

− 不支持

文件搜索

− 不支持

函数调用

− 不支持

图像生成

− 不支持

Live API

− 不支持

结构化输出

− 不支持

思考

− 不支持

URL 上下文

− 不支持

消费选择

Batch API

✓ 支持

弹性推理

✓ 支持

优先推理

✓ 支持

版本

阅读 模型版本模式 了解更多详情。

  • gemini-3.8-flash-lite-tts

最新更新

九月 2026

价格

价格

支持的语言 #

gemini-3.8-flash-lite-tts 自动检测输入语言并支持 超过 100 语言:

语言语言语言
亚齐语(阿拉伯文字)德语曼尼普里
南非荷兰语希腊语马拉地语
阿寒古吉拉特语米南加保语(阿拉伯文字)
阿姆哈拉语海地克里奥尔语米佐
亚美尼亚语哈尔蒙古语尼泊尔语(个人语言)
阿萨姆语豪萨语尼日利亚富尔福德
阿瓦迪希伯来语北阿塞拜疆语
巴厘岛人印地语北索托
孟加拉语匈牙利语北乌兹别克语
Banjar(拉丁文字)冰岛语挪威博克马尔语
巴斯克语伊洛科挪威尼诺斯克语
白俄罗斯语印度尼西亚语尼亚尼亚
博杰普尔伊朗波斯语奥迪亚语(个人语言)
波斯尼亚语意大利语波斯语(阿富汗)
布吉语日语波兰语
保加利亚语爪哇语葡萄牙语
粤语康巴旁遮普语
加泰罗尼亚语卡纳达语罗马尼亚语
宿务语克什米尔语(阿拉伯文字)俄语
中库尔德语克什米尔语(德瓦文字)桑塔利
恰蒂斯加尔邦哈萨克语塞尔维亚语
中文(汉文)高棉语僧伽罗语
中文(汉文)基库尤语斯洛伐克语
克罗地亚语基尼亚卢旺达语南阿塞拜疆语
捷克语刚果南普什图语
丹麦语韩语西班牙语
荷兰语吉尔吉斯斯坦标准阿拉伯语(阿拉伯文字)
埃及阿拉伯语老挝标准阿拉伯语(拉丁字母)
英语林加拉语标准拉脱维亚语
爱沙尼亚语马其顿语标准马来语
菲律宾人马加希泰米尔语
法语迈蒂利泰卢固语
加利西亚语马拉雅拉姆语土耳其语
干达马耳他语越南语
格鲁吉亚语——

搜索标题、API 名称或正文内容