Gemini 3.8 Flash-Lite TTS

‫Gemini 3.8 Flash-Lite TTS (gemini-3.8-flash-lite-tts) هو نموذج سريع وفعّال من حيث التكلفة لتحويل النص إلى كلام من Google، وقد تم تصميمه ليحلّ محل gemini-3.1-flash-tts-preview في أحمال العمل الإنتاجية العالية الإنتاجية.

نظرة عامة والإمكانات

تجمع ميزة "تحويل النص إلى كلام" في Gemini 3.8 Flash-Lite بين وقت الاستجابة المنخفض والكلام الطبيعي المعبر:

• الكفاءة العالية في الإنتاج: تم تحسينها لتناسب الإنتاج بكميات كبيرة، والتفاعلات المتسلسلة مع وكيل صوتي، وميزات القراءة بصوت عالٍ، وإنشاء الكلام اليومي من متحدث واحد باللغات الرئيسية.
• التوافق مع المخطط بدون الحاجة إلى تعديل: يشارك مخطط واجهة برمجة التطبيقات (API) وتنسيق الطلبات المنظَّمة نفسه مع gemini-3.8-flash-tts، ما يتيح لك التبديل بين النماذج من خلال تغيير مَعلمة واحدة.
• التوافق الكامل مع منظومة الصوت المتكاملة: تتوافق مع الأصوات الجاهزة، و"مكتبة الأصوات الموسّعة" (GET /v1beta/voices)، وشخصيات تصميم الصوت المخصّصة، واستنساخ الصوت (الأصوات المخزّنة بشكل دائم تلقائيًا، بالإضافة إلى المفاتيح الاختيارية غير المحفوظة). يمكنك أيضًا تصميم أصوات ومحاكاتها بشكل تفاعلي في Google AI Studio.

يمكنك الانتقال إلى دليل تحويل النص إلى كلام للحصول على تغطية كاملة للميزات وأفضل الممارسات المتعلقة بتقديم الطلبات وأمثلة على الرموز البرمجية.

حالات استخدام نماذج تحويل النص إلى كلام

يتشارك كلا النموذجين Gemini 3.8 لتحويل النص إلى كلام مخطط واجهة برمجة التطبيقات وبنية الطلبات نفسها. اختَر النموذج الذي يناسب حجم عملك:

دليل نقل البيانات

إذا كنت تريد الترقية من gemini-3.1-flash-tts-preview إلى gemini-3.8-flash-lite-tts، عليك تعديل طلباتك لتتوافق مع مخطط Gemini 3.8 لتحويل النص إلى كلام:

1. نقل التوجيهات على مستوى المنعطف إلى speech_metadata: يعامل نظام تحويل النص إلى كلام 3.8 في Gemini النص المدخل على أنّه نسخة طبق الأصل. قد يتم نطق التوجيهات المضمّنة في النص، مثل "Say cheerfully: Hello!" أو "Speaker 1: Hello!"، بصوت عالٍ. نقل تعليمات التسليم المستدام (style) وتصنيفات المتحدّثين (speaker) إلى البيانات الوصفية المنظَّمة:
   • ‫Interactions API: أرفِق تعليقًا توضيحيًا يتضمّن "type": "speech_metadata" و"speaker" و"style" بكل فقرة من المحتوى النصي.
   • ‫GenerateContent API: أرفِق "speech_metadata": {"speaker": "...", "style": "..."} بكل part.
2. استخدام العلامات المضمّنة بين قوسين زاويين فقط للأحداث الصوتية في نقطة زمنية محددة: يجب تضمين التعبيرات الصوتية غير الكلامية والوقفات المؤقتة في النص باستخدام قوسين زاويين (مثل <laugh> أو <sigh> أو <cough> أو <breath> أو <short pause>). يجب وضع أساليب التسليم، مثل الهمس، بين speech_metadata.style.
3. تحديد speaker في كل دورة في الطلبات التي تتضمّن عدة متحدثين: يجب أن تتضمّن كل دورة في الطلبات التي تتضمّن عدة متحدثين speaker بشكل صريح داخل speech_metadata بما يتطابق مع أحد المتحدثين الذين تم ضبطهم.
4. تصميم شخصيات مسبقًا باستخدام "تصميم الصوت": استبدِل فقرات "ملف الصوت" / "ملاحظات المخرج" الطويلة القديمة بصوت مخصّص تم إنشاؤه في تصميم الصوت، ثم استخدِم معرّف voice_... نفسه في طلبات تحويل النص إلى كلام مع الحد الأدنى من سلاسل style أو بدونها.
5. حساب إخراج WAV التلقائي (audio/wav) في الطلبات الأحادية: على عكس الإصدارات gemini-3.1-flash-tts-preview السابقة من نماذج تحويل النص إلى كلام (التي كانت تعرض audio/l16 PCM الأولي بدون عنوان تلقائيًا)، يعرض الإصدار 3.8 من نموذج تحويل النص إلى كلام في Gemini صوت WAV (audio/wav / AUDIO_WAV) مع عنوان RIFF عادي تلقائيًا للطلبات الأحادية.
   • إذا كان الرمز البرمجي يضمّن سابقًا وحدات بايت PCM أولية في عنوان WAV (على سبيل المثال، باستخدام الوحدة wave أو ffmpeg في Python)، عليك إزالة تضمين العنوان اليدوي وكتابة وحدات البايت التي تم إرجاعها مباشرةً في ملف .wav.
   • إذا كان مسار التعلّم يتطلّب محتوًى صوتيًا بتنسيق PCM الأولي بدون رأس أو بتنسيق mu-law أو A-law، اضبط response_format على "audio/l16" ("AUDIO_L16") أو "audio/mulaw" ("AUDIO_MULAW") أو "audio/alaw" ("AUDIO_ALAW"). راجِع تنسيقات إخراج الصوت.

gemini-3.8-flash-lite-tts

اللغات المتاحة

يرصد gemini-3.8-flash-lite-tts لغة الإدخال تلقائيًا ويتيح استخدام أكثر من 100 لغة: