Gemini 3.8 Flash-Lite TTS

Gemini 3.8 Flash-Lite TTS (gemini-3.8-flash-lite-tts), Google का तेज़ और किफ़ायती लिखे गए शब्दों को सुनने की सुविधा मॉडल है. इसे gemini-3.1-flash-tts-preview को बदलने के लिए बनाया गया है, ताकि ज़्यादा थ्रूपुट वाले प्रोडक्शन वर्कलोड को पूरा किया जा सके.

खास जानकारी और सुविधाएं

Gemini 3.8 Flash-Lite टीटीएस में, कम समय में जवाब देने की सुविधा के साथ-साथ, नैचुरल तरीके से बोलने की सुविधा भी मिलती है:

• ज़्यादा डेटा को कम समय में प्रोसेस करने की क्षमता: इसे एक साथ कई प्रॉडक्ट बनाने, बातचीत करने वाले वॉइस एजेंट के कैस्केड, पढ़कर सुनाने की सुविधाओं, और रोज़मर्रा की बातचीत में इस्तेमाल होने वाली मुख्य भाषाओं में एक स्पीकर की आवाज़ जनरेट करने के लिए ऑप्टिमाइज़ किया गया है.
• ड्रॉप-इन स्कीमा के साथ काम करता है: यह gemini-3.8-flash-tts के साथ, एक जैसा एपीआई स्कीमा और स्ट्रक्चर्ड प्रॉम्प्टिंग फ़ॉर्मैट शेयर करता है. इससे आपको एक पैरामीटर में बदलाव करके, मॉडल स्विच करने की सुविधा मिलती है.
• आवाज़ से जुड़े पूरे ईकोसिस्टम के साथ काम करता है: इसमें पहले से तैयार की गई आवाज़ें, एक्सटेंडेड वॉइस लाइब्रेरी (GET /v1beta/voices), कस्टम वॉइस डिज़ाइन पर्सोना, और वॉइस रेप्लिकेशन (डिफ़ॉल्ट रूप से सेव की गई आवाज़ें और बिना स्टेटस वाली कुंजियां) शामिल हैं. Google AI Studio में, आवाज़ों को इंटरैक्टिव तरीके से डिज़ाइन और कॉपी भी किया जा सकता है.

सुविधाओं, प्रॉम्प्ट लिखने के सबसे सही तरीकों, और कोड के उदाहरणों के बारे में पूरी जानकारी पाने के लिए, टेक्स्ट को आवाज़ में बदलने की सुविधा वाली गाइड देखें.

किस टीटीएस मॉडल का इस्तेमाल कब करना चाहिए

Gemini 3.8 के दोनों टीटीएस मॉडल, एक ही एपीआई स्कीमा और प्रॉम्प्टिंग स्ट्रक्चर का इस्तेमाल करते हैं. अपने वर्कलोड के हिसाब से मॉडल चुनें:

सुविधा / वर्कलोड	Gemini 3.8 Flash-Lite टीटीएस (gemini-3.8-flash-lite-tts)	Gemini 3.8 Flash TTS (gemini-3.8-flash-tts)
मुख्य ताकत	हाई थ्रूपुट, कम इंतज़ार का समय, और कम लागत	आवाज़ की क्वालिटी, ऐक्टिंग के बारीक़ अंतर, और बोली की विविधता को बेहतर बनाना
इस्तेमाल के सबसे सही उदाहरण	ज़्यादा वॉल्यूम में प्रोडक्शन, रीयल-टाइम में वॉइस एजेंट कैस्केड, पढ़कर सुनाने की सुविधाएं, आवाज़ की नकल करना, और रोज़ाना एक स्पीकर की आवाज़ जनरेट करना	ऑडियो बुक, स्टूडियो में की गई नैरेशन, कई स्पीकर के बीच मुश्किल बातचीत, तेज़ आवाज़ में की गई ऐक्टिंग, मुश्किल उच्चारण, क्षेत्रीय बोलियां
इस्तेमाल की जा सकने वाली भाषाएं	101 भाषाएं	130 भाषाएं
बदले जाने के लिए सुझाया गया	gemini-3.1-flash-tts-preview	फ़्लैगशिप क्रिएटिव का नया टियर

माइग्रेशन गाइड

अगर आपको gemini-3.1-flash-tts-preview से gemini-3.8-flash-lite-tts पर अपग्रेड करना है, तो Gemini 3.8 टीटीएस स्कीमा के लिए अपने अनुरोध अपडेट करें:

1. मोड़ के हिसाब से निर्देशों को speech_metadata में ले जाएं: Gemini 3.8 टीटीएस, इनपुट किए गए टेक्स्ट को हूबहू ट्रांसक्रिप्ट के तौर पर लेता है. "Say cheerfully: Hello!" या "Speaker 1: Hello!" जैसे इनलाइन टेक्स्ट निर्देशों को तेज़ आवाज़ में सुनाया जा सकता है. लगातार डिलीवरी से जुड़े निर्देशों (style) और स्पीकर लेबल (speaker) को स्ट्रक्चर्ड मेटाडेटा में ले जाएं:
   • Interactions API: हर टेक्स्ट कॉन्टेंट ब्लॉक में "type": "speech_metadata", "speaker", और "style" के साथ एनोटेशन अटैच करें.
   • GenerateContent API: हर part में "speech_metadata": {"speaker": "...", "style": "..."} अटैच करें.
2. सिर्फ़ कुछ समय के लिए होने वाली आवाज़ से जुड़ी घटनाओं के लिए, ऐंगल-ब्रैकेट वाले इनलाइन टैग इस्तेमाल करें: कुछ समय के लिए होने वाली आवाज़ और पॉज़ को ट्रांसक्रिप्ट में इनलाइन रखें. इसके लिए, ऐंगल ब्रैकेट (जैसे कि <laugh>, <sigh>, <cough>, <breath> या <short pause>) का इस्तेमाल करें. बोलने के तरीके, जैसे कि फुसफुसाना, speech_metadata.style में रखें.
3. एक से ज़्यादा स्पीकर वाले अनुरोधों में, हर बार speaker तय करें: एक से ज़्यादा स्पीकर वाले अनुरोध में, हर बार speech_metadata के अंदर speaker को साफ़ तौर पर शामिल किया जाना चाहिए. यह , कॉन्फ़िगर किए गए स्पीकर में से किसी एक से मेल खाना चाहिए.
4. वॉइस डिज़ाइन की मदद से, पहले से ही पर्सोना डिज़ाइन करना: ऑडियो प्रोफ़ाइल / डायरेक्टर के नोट वाले लंबे लेगसी ब्लॉक को वॉइस डिज़ाइन में बनाई गई कस्टम आवाज़ से बदलें. इसके बाद, टीटीएस के अनुरोधों में voice_... आईडी को कम से कम या खाली style स्ट्रिंग के साथ इस्तेमाल करें.
5. एकल अनुरोधों पर डिफ़ॉल्ट WAV (audio/wav) आउटपुट के लिए खाता: gemini-3.1-flash-tts-preview और टीटीएस के पुराने मॉडल (जो डिफ़ॉल्ट रूप से हेडरलेस रॉ पीसीएम audio/l16 दिखाते थे) के उलट, Gemini 3.8 टीटीएस, एकल अनुरोधों के लिए डिफ़ॉल्ट रूप से स्टैंडर्ड RIFF हेडर के साथ WAV ऑडियो (audio/wav / AUDIO_WAV) दिखाता है.
   • अगर आपके कोड में पहले रॉ पीसीएम बाइट को WAV हेडर में रैप किया गया था (उदाहरण के लिए, Python के wave मॉड्यूल या ffmpeg का इस्तेमाल करके), तो मैन्युअल हेडर रैपर को हटाएं और लौटाए गए बाइट को सीधे .wav फ़ाइल में लिखें.
   • अगर आपकी पाइपलाइन को हेडरलेस रॉ पीसीएम, म्यू-लॉ या ए-लॉ ऑडियो की ज़रूरत है, तो response_format.mime_type को "audio/l16", "audio/mulaw" या "audio/alaw" पर सेट करें. उदाहरण के लिए, Interactions API में {"response_format": {"type": "audio", "mime_type": "audio/l16"}} या generateContent में AUDIO_L16, AUDIO_MULAW या AUDIO_ALAW. ऑडियो आउटपुट फ़ॉर्मैट देखें.

gemini-3.8-flash-lite-tts

प्रॉपर्टी	ब्यौरा
id_cardमॉडल कोड	gemini-3.8-flash-lite-tts
saveइस्तेमाल किए जा सकने वाले डेटा टाइप	इनपुट टेक्स्ट आउटपुट ऑडियो
token_autoटोकन की सीमाएं[*]	इनपुट टोकन की सीमा 8,192 आउटपुट टोकन की सीमा 16,384 (Gemini API की सेवा देने की सीमा)
handymanसुविधाएँ	ऑडियो जनरेट करने की सुविधा काम करता है कैश मेमोरी में सेव होना काम नहीं करता है कोड एक्ज़ीक्यूट करना काम नहीं करता है फ़ाइल खोजने की सुविधा काम नहीं करता है फ़ंक्शन कॉलिंग काम नहीं करता है Google Maps की मदद से जानकारी पाना काम नहीं करता है इमेज जनरेट करने की सुविधा काम नहीं करता है Live API काम नहीं करता है भरोसेमंद स्रोतों से जानकारी लेना काम नहीं करता है स्ट्रक्चर्ड आउटपुट काम नहीं करता है सोचना काम नहीं करता है यूआरएल का कॉन्टेक्स्ट काम नहीं करता है
speedकॉन्टेंट देखने के विकल्प	Batch API काम करता है Flex inference काम करता है प्राथमिकता का अनुमान लगाना काम करता है
123वर्शन	ज़्यादा जानकारी के लिए, मॉडल वर्शन के पैटर्न पढ़ें. gemini-3.8-flash-lite-tts
calendar_monthनया अपडेट	सितंबर 2026

इस्तेमाल की जा सकने वाली भाषाएं

gemini-3.8-flash-lite-tts इनपुट की भाषा का अपने-आप पता लगाता है और 100 से ज़्यादा भाषाओं में काम करता है:

भाषा	भाषा	भाषा
एचनीज़ (अरबी स्क्रिप्ट)	जर्मन	मणिपुरी
अफ़्रीकान्स	ग्रीक	मराठी
आकान	गुजराती	मिनांग्काबाउ (अरबी लिपि)
अमहैरिक	हैतियन क्रिओल	मिज़ो
आर्मीनियन	हलह मंगोलियन	नेपाली (अलग भाषा)
असमिया	हौसा	नाइजीरियन फ़ुलफ़ुल्दे
अवधी	हिब्रू	उत्तरी अज़रबैजान
बालीनीज़	हिन्दी	नॉर्दर्न सोथो
बांग्ला	हंगेरियन	उत्तरी उज़्बेक
बंजार (लैटिन स्क्रिप्ट)	आइसलैंडिक	नॉर्वेजियन बोकमाल
बॉस्क	ईलोको	नार्वेजियन नॉर्स्क
Belarusian	इंडोनेशियन	न्यान्जा
भोजपुरी	ईरानी फ़ारसी	ओड़िया (अलग भाषा)
बोस्नियन	इटैलियन	पर्शन (अफ़ग़ानिस्तान)
ब्‍यूगिनी	जापानी	पोलिश
बल्गैरियन	जावानीज़	पॉर्चुगीज़
कैंटोनीज़	कांबा	पंजाबी
कैटलैन	कन्नड़	रोमानियन
सेबुआनो	कश्मीरी (अरबी लिपि)	रूसी
सेंट्रल कुर्दिश	कश्मीरी (देव स्क्रिप्ट)	संथाली
छत्तीसगढ़ी	कज़ाक	सर्बियन
चाइनीज़ (हंस स्क्रिप्ट)	ख्मेर	सिंहला
चाइनीज़ (हंत स्क्रिप्ट)	किकुयू	स्लोवाक
क्रोएशियन	किनयारवांडा	दक्षिणी अज़रबैजानी
चेक	कॉन्गो	दक्षिणी पश्तो
डैनिश	कोरियन	स्पैनिश
डच	किर्गिज़	स्टैंडर्ड ऐरेबिक (अरबी लिपि)
मिस्री अरबी	लाओ	स्टैंडर्ड ऐरेबिक (लैटिन स्क्रिप्ट)
अंग्रेज़ी	लिंगाला	स्टैंडर्ड लातवियन
एस्टोनियन	मैसेडोनियन	स्टैंडर्ड मलय
फ़िलिपीनी	मगही	तमिल
फ़्रांसीसी	मैथिली	तेलुगु
गैलिशियन	मलयालम	टर्किश
गांदा	मोल्टीज़	वियतनामीज़
जॉर्जियन	—	—