TTS ของ Gemini 3.8 Flash-Lite

TTS ของ Gemini 3.8 Flash-Lite (gemini-3.8-flash-lite-tts) เป็นโมเดลการอ่านออกเสียงข้อความที่รวดเร็ว คุ้มค่าของ Google ซึ่งสร้างขึ้นมาเพื่อแทนที่ gemini-3.1-flash-tts-preview สำหรับปริมาณงานการผลิตที่มีปริมาณงานสูง

ภาพรวมและความสามารถ

TTS ของ Gemini 3.8 Flash-Lite ผสานรวมเวลาในการตอบสนองที่ต่ำเข้ากับการพูดที่เป็นธรรมชาติและสื่ออารมณ์ได้ดี

• ประสิทธิภาพการประมวลผลสูง: ปรับแต่งมาเพื่อการผลิตจำนวนมาก การส่งต่อตัวแทนเสียงแบบสนทนา ฟีเจอร์อ่านออกเสียง และการสร้างคำพูดแบบลำโพงเดี่ยวในชีวิตประจำวัน ในภาษาหลักๆ
• ความเข้ากันได้ของสคีมาแบบดรอปอิน: ใช้สคีมา API และ รูปแบบการแจ้งแบบมีโครงสร้างเดียวกันกับ gemini-3.8-flash-tts ทุกประการ ซึ่งช่วยให้คุณ เปลี่ยนโมเดลได้ด้วยการเปลี่ยนพารามิเตอร์เพียงรายการเดียว
• รองรับระบบนิเวศเสียงอย่างเต็มรูปแบบ: รองรับเสียงที่สร้างไว้ล่วงหน้า คลังเสียงแบบขยาย (GET /v1beta/voices) ตัวตนการออกแบบเสียงที่กำหนดเอง และการจำลองเสียง (เสียงที่จัดเก็บถาวรโดยค่าเริ่มต้น รวมถึงคีย์แบบไม่เก็บสถานะที่ไม่บังคับ) นอกจากนี้ คุณยังออกแบบและ จำลองเสียงแบบอินเทอร์แอกทีฟใน Google AI Studio ได้ด้วย

ไปที่คู่มือข้อความเป็นการอ่านเพื่อดูข้อมูลทั้งหมดเกี่ยวกับฟีเจอร์ แนวทางปฏิบัติแนะนำในการแจ้ง และตัวอย่างโค้ด

ควรใช้โมเดล TTS ใดเมื่อใด

โมเดล TTS ของ Gemini 3.8 ทั้ง 2 โมเดลใช้สคีมา API และโครงสร้างพรอมต์เดียวกัน เลือกโมเดลที่เหมาะกับภาระงานของคุณ

ฟีเจอร์ / ภาระงาน	TTS ของ Gemini 3.8 Flash-Lite (gemini-3.8-flash-lite-tts)	TTS ของ Gemini 3.8 Flash (gemini-3.8-flash-tts)
ความแข็งแรงหลัก	การส่งข้อความปริมาณมาก เวลาในการตอบสนองต่ำ และคุ้มค่า	ความเที่ยงตรงของเสียงพูด การแสดงที่ละเอียดอ่อน และการครอบคลุมภาษาถิ่นสูงสุด
Use Case ที่ดีที่สุด	การผลิตปริมาณมาก การส่งต่อตัวแทนเสียงแบบเรียลไทม์ ฟีเจอร์อ่านออกเสียง การจำลองเสียง การสร้างเสียงแบบลำโพงเดียวในชีวิตประจำวัน	หนังสือเสียง การบรรยายในสตูดิโอ บทสนทนาที่ซับซ้อนซึ่งมีผู้พูดหลายคน การแสดงที่ต้องใช้เสียงอย่างหนัก การออกเสียงที่ยาก สำเนียงท้องถิ่น
ภาษาที่รองรับ	101 ภาษา	130 ภาษา
แนะนำให้เปลี่ยนเป็น	gemini-3.1-flash-tts-preview	ครีเอทีฟโฆษณาระดับเรือธงใหม่

คำแนะนำในการย้ายข้อมูล

หากอัปเกรดจาก gemini-3.1-flash-tts-preview เป็น gemini-3.8-flash-lite-tts ให้อัปเดตคำขอสำหรับสคีมา TTS ของ Gemini 3.8 ดังนี้

1. ย้ายคำสั่งระดับเลี้ยวไปยัง speech_metadata: TTS ของ Gemini 3.8 จะถือว่า ข้อความที่ป้อนเป็นสำเนาที่ตรงตามต้นฉบับอย่างเคร่งครัด ระบบอาจอ่านออกเสียงข้อความในบรรทัด เช่น "Say cheerfully: Hello!" หรือ "Speaker 1: Hello!" ย้ายวิธีการนำส่งอย่างต่อเนื่อง (style) และป้ายกำกับผู้พูด (speaker) ไปยังข้อมูลเมตาที่มีโครงสร้าง
   • Interactions API: แนบคำอธิบายประกอบที่มี "type": "speech_metadata", "speaker" และ "style" ไปยังบล็อกเนื้อหาข้อความแต่ละบล็อก
   • GenerateContent API: แนบ "speech_metadata": {"speaker": "...", "style": "..."} ไปกับ part แต่ละรายการ
2. ใช้แท็กอินไลน์วงเล็บเหลี่ยมเฉพาะสำหรับเหตุการณ์เสียงร้อง ณ จุดใดจุดหนึ่ง: เก็บเสียงร้องที่ไม่ใช่คำพูดชั่วขณะและหยุดชั่วคราวไว้ในสำเนาการถอดเสียงโดยใช้วงเล็บเหลี่ยม (เช่น <laugh>, <sigh>, <cough>, <breath> หรือ <short pause>) ระบุรูปแบบการพูด เช่น การกระซิบ ใน speech_metadata.style
3. ระบุ speaker ในทุกๆ เทิร์นในคำขอแบบหลายผู้พูด: ทุกๆ เทิร์นในคำขอแบบหลายผู้พูดต้องมี speaker อยู่ภายใน speech_metadata ที่ตรงกับผู้พูดที่กำหนดค่าไว้
4. ออกแบบเพอร์โซนาล่วงหน้าด้วยการออกแบบเสียง: แทนที่บล็อก Audio Profile / Director's Notes เดิมที่ยาวด้วยเสียงที่กำหนดเองซึ่งสร้างขึ้นในการออกแบบเสียง จากนั้นใช้รหัสvoice_... นั้นผ่านคำขอ TTS โดยมีสตริง style ที่ว่างเปล่าหรือมีข้อมูลน้อยที่สุด
5. พิจารณาเอาต์พุต WAV (audio/wav) เริ่มต้นในคำขอแบบเอกภาค: โมเดล TTS ของ Gemini 3.8 จะแสดงผลเสียง WAV (audio/wav / AUDIO_WAV) พร้อมส่วนหัว RIFF มาตรฐานโดยค่าเริ่มต้นสำหรับคำขอแบบเอกภาค ซึ่งแตกต่างจากโมเดล TTS gemini-3.1-flash-tts-preview และรุ่นก่อนหน้า (ซึ่งแสดงผล PCM ดิบแบบไม่มีส่วนหัว audio/l16 โดยค่าเริ่มต้น)
   • หากก่อนหน้านี้โค้ดของคุณห่อไบต์ PCM ดิบไว้ในส่วนหัวของ WAV (เช่น ใช้โมดูล wave หรือ ffmpeg ของ Python) ให้นำ Wrapper ส่วนหัวที่สร้างขึ้นเองออก แล้วเขียนไบต์ที่ส่งคืนไปยังไฟล์ .wav โดยตรง
   • หากไปป์ไลน์ของคุณต้องใช้เสียง PCM, mu-law หรือ A-law แบบดิบที่ไม่มีส่วนหัว ให้ตั้งค่า response_format เป็น "audio/l16" ("AUDIO_L16"), "audio/mulaw" ("AUDIO_MULAW") หรือ "audio/alaw" ("AUDIO_ALAW") อย่างชัดเจน ดูรูปแบบเอาต์พุตเสียง

gemini-3.8-flash-lite-tts

พร็อพเพอร์ตี้	คำอธิบาย
รหัสโมเดล id_card	gemini-3.8-flash-lite-tts
บันทึกประเภทข้อมูลที่รองรับ	อินพุต ข้อความ เอาต์พุต เสียง
token_autoขีดจำกัดของโทเค็น[*]	ขีดจำกัดโทเค็นอินพุต 8,192 ขีดจำกัดโทเค็นเอาต์พุต 16,384
handymanความสามารถ	การสร้างเสียง สิ่งที่ทำได้ การแคช สิ่งที่ทำได้ การเรียกใช้โค้ด สิ่งที่ทำไม่ได้ การค้นหาไฟล์ สิ่งที่ทำไม่ได้ การเรียกใช้ฟังก์ชัน สิ่งที่ทำไม่ได้ การเชื่อมต่อแหล่งข้อมูลกับ Google Maps สิ่งที่ทำไม่ได้ การสร้างรูปภาพ สิ่งที่ทำไม่ได้ Live API สิ่งที่ทำไม่ได้ การเชื่อมต่อแหล่งข้อมูลของ Search สิ่งที่ทำไม่ได้ เอาต์พุตที่มีโครงสร้าง สิ่งที่ทำไม่ได้ การคิด สิ่งที่ทำไม่ได้ บริบทของ URL สิ่งที่ทำไม่ได้
speedตัวเลือกการรับชม	Batch API สิ่งที่ทำได้ Flex Inference สิ่งที่ทำได้ การอนุมานตามลำดับความสำคัญ สิ่งที่ทำได้
123เวอร์ชัน	อ่านรายละเอียดเพิ่มเติมได้ในรูปแบบเวอร์ชันของโมเดล gemini-3.8-flash-lite-tts
calendar_monthการอัปเดตล่าสุด	กรกฎาคม 2569

ภาษาที่รองรับ

gemini-3.8-flash-lite-tts ตรวจหาภาษาที่ป้อนโดยอัตโนมัติและ รองรับ101 ภาษา

ภาษา	ภาษา	ภาษา
อาเจะฮ์ (อักษรอาหรับ)	จอร์เจีย	มอลตา
อาฟรีกานส์	เยอรมัน	มานิพูรี
อะคัน	กรีก	มราฐี
อัมฮาริก	คุชราต	มินังกาเบา (อักษรอาหรับ)
อาร์เมเนีย	เฮติครีโอล	มิโซ
อัสสัม	มองโกเลียคาลคา	เนปาล (ภาษาเฉพาะ)
อวธี	เฮาซา	ฟุลฟุลเดของไนจีเรีย
บาหลี	ฮีบรู	อาเซอร์ไบจานเหนือ
เบงกอล	ฮินดี	โซโทเหนือ
บันจาร์ (อักษรละติน)	ฮังการี	อุซเบกเหนือ
บาสก์	ไอซ์แลนด์	นอร์เวย์บุคมอล
เบลารุส	อีโลโก	นีนอสก์ของนอร์เวย์
โภชปุระ	อินโดนีเซีย	เนียนจา
บอสเนีย	เปอร์เซียอิหร่าน	โอเดีย (ภาษาเฉพาะ)
บูกิส	อิตาลี	เปอร์เซีย (อัฟกานิสถาน)
บัลแกเรีย	ญี่ปุ่น	โปแลนด์
จีนกวางตุ้ง	ชวา	โปรตุเกส
คาตาลัน	คัมบา	ปัญจาบ
ซีบัวโน	กันนาดา	โรมาเนีย
เคิร์ดตอนกลาง	แคชเมียร์ (อักษรอาหรับ)	รัสเซีย
ฉัตติสครห์	แคชเมียร์ (สคริปต์เทวนาครี)	สันถาลี
จีน (อักษรฮั่น)	คาซัค	เซอร์เบีย
จีน (อักษรฮั่น)	เขมร	สิงหล
โครเอเชีย	คิคูยู	สโลวัก
เช็ก	คินยารวันดา	อาเซอร์ไบจานใต้
เดนมาร์ก	คองโก	ปาทานใต้
ดัตช์	เกาหลี	สเปน
อาหรับอียิปต์	คีร์กิซ	อาหรับมาตรฐาน (สคริปต์อาหรับ)
อังกฤษ	ภาษาลาว	อาหรับมาตรฐาน (สคริปต์ละติน)
เอสโตเนีย	ลิงกาลา	ลัตเวียมาตรฐาน
ฟิลิปปินส์	มาซีโดเนีย	ภาษามลายูมาตรฐาน
ฝรั่งเศส	มคธี	ทมิฬ
กาลิเชียน	ไมถิลี	เตลูกู
กันดา	มาลายาลัม	—