Gemini 3.8 Flash-Lite TTS

Gemini 3.8 Flash-Lite TTS (gemini-3.8-flash-lite-tts) est le modèle de synthèse vocale rapide et économique de Google, conçu pour remplacer gemini-3.1-flash-tts-preview pour les charges de travail de production à haut débit.

Présentation et fonctionnalités

Gemini 3.8 Flash-Lite TTS combine une faible latence avec une voix expressive et naturelle :

• Efficacité à haut débit : optimisé pour la production en masse, les cascades d'agents vocaux conversationnels, les fonctionnalités de lecture à voix haute et la génération vocale quotidienne à une seule voix dans les principales langues.
• Compatibilité du schéma drop-in : partage le même schéma d'API et le même format d'incitation structurée que gemini-3.8-flash-tts, ce qui vous permet de changer de modèle en modifiant un seul paramètre.
• Prise en charge complète de l'écosystème vocal : prend en charge les voix prédéfinies, la bibliothèque vocale étendue (GET /v1beta/voices), les personas de conception vocale personnalisés et la réplication vocale (voix stockées de manière persistante par défaut, avec des clés sans état en option). Vous pouvez également concevoir et répliquer des voix de manière interactive dans Google AI Studio.

Consultez le guide Text-to-Speech pour obtenir une couverture complète des fonctionnalités, des bonnes pratiques concernant les requêtes et des exemples de code.

Quand utiliser quel modèle TTS ?

Les deux modèles Gemini 3.8 TTS partagent le même schéma d'API et la même structure d'invite. Choisissez le modèle qui correspond à votre charge de travail :

Guide de migration

Si vous passez de gemini-3.1-flash-tts-preview à gemini-3.8-flash-lite-tts, mettez à jour vos requêtes pour le schéma Gemini 3.8 TTS :

1. Déplacez les instructions au niveau des tours dans speech_metadata : Gemini 3.8 TTS traite le texte saisi strictement comme une transcription mot pour mot. Les instructions textuelles intégrées, comme "Say cheerfully: Hello!" ou "Speaker 1: Hello!", peuvent être lues à voix haute. Déplacez les instructions de diffusion continue (style) et les identifiants des intervenants (speaker) dans les métadonnées structurées :
   • API Interactions : associez une annotation avec "type": "speech_metadata", "speaker" et "style" à chaque bloc de contenu textuel.
   • API GenerateContent : ajoutez "speech_metadata": {"speaker": "...", "style": "..."} à chaque part.
2. N'utilisez les tags intégrés entre crochets que pour les événements vocaux ponctuels : conservez les vocalisations et les pauses momentanées non liées à la parole dans la transcription à l'aide de crochets (par exemple, <laugh>, <sigh>, <cough>, <breath> ou <short pause>). Placez les styles de diction tels que les chuchotements dans speech_metadata.style.
3. Spécifiez speaker à chaque tour dans les requêtes à plusieurs locuteurs : chaque tour d'une requête à plusieurs locuteurs doit inclure explicitement speaker dans speech_metadata correspondant à l'un des locuteurs configurés.
4. Concevez des personas en amont avec la conception vocale : remplacez les longs blocs d'anciens profils audio / notes du réalisateur par une voix personnalisée créée dans Conception vocale, puis transmettez cet ID voice_... dans vos requêtes de synthèse vocale avec des chaînes style minimales ou vides.
5. Tenir compte de la sortie WAV par défaut (audio/wav) pour les requêtes unaires : contrairement aux modèles TTS gemini-3.1-flash-tts-preview et antérieurs (qui renvoyaient par défaut un PCM brut audio/l16 sans en-tête), Gemini 3.8 TTS renvoie par défaut un fichier audio WAV (audio/wav / AUDIO_WAV) avec un en-tête RIFF standard pour les requêtes unaires.
   • Si votre code encapsulait auparavant des octets PCM bruts dans un en-tête WAV (par exemple, à l'aide du module wave ou de ffmpeg de Python), supprimez l'encapsulation manuelle de l'en-tête et écrivez les octets renvoyés directement dans un fichier .wav.
   • Si votre pipeline nécessite un fichier audio PCM brut sans en-tête, mu-law ou A-law, définissez explicitement response_format sur "audio/l16" ("AUDIO_L16"), "audio/mulaw" ("AUDIO_MULAW") ou "audio/alaw" ("AUDIO_ALAW"). Consultez Formats de sortie audio.

gemini-3.8-flash-lite-tts

Langues disponibles

gemini-3.8-flash-lite-tts détecte automatiquement la langue d'entrée et est compatible avec 101 langues :