Gemini 3.8 Flash-Lite TTS

Gemini 3.8 Flash-Lite TTS (gemini-3.8-flash-lite-tts), Google'ın yüksek işleme hızlı üretim iş yükleri için gemini-3.1-flash-tts-preview yerine kullanılmak üzere tasarlanmış hızlı ve uygun maliyetli metin okuma modelidir.

Genel bakış ve özellikler

Gemini 3.8 Flash-Lite TTS, düşük gecikme süresini etkileyici ve doğal konuşmayla birleştirir:

• Yüksek verimlilik: Toplu üretim, sohbet eden sesli ajan basamakları, sesli okuma özellikleri ve büyük dillerde günlük tek konuşmacılı konuşma üretimi için optimize edilmiştir.
• Kolay şema uyumluluğu: gemini-3.8-flash-tts ile aynı API şemasını ve yapılandırılmış istem biçimini paylaştığı için tek bir parametre değişikliğiyle modeller arasında geçiş yapabilirsiniz.
• Tam ses ekosistemi desteği: Önceden oluşturulmuş sesleri, Genişletilmiş Ses Kitaplığı'nı (GET /v1beta/voices), özel ses tasarımı karakterlerini ve ses kopyalama özelliğini (varsayılan olarak kalıcı depolanan sesler ve isteğe bağlı durumsuz anahtarlar) destekler. Ayrıca Google AI Studio'da sesleri etkileşimli olarak tasarlayabilir ve kopyalayabilirsiniz.

Özellikler, istemlerle ilgili en iyi uygulamalar ve kod örnekleri hakkında kapsamlı bilgi için Metin okuma kılavuzunu ziyaret edin.

Hangi TTS modeli ne zaman kullanılır?

Her iki Gemini 3.8 TTS modeli de aynı API şemasını ve istem yapısını kullanır. İş yükünüze uygun modeli seçin:

Taşıma rehberi

gemini-3.1-flash-tts-preview sürümünden gemini-3.8-flash-lite-tts sürümüne yükseltiyorsanız Gemini 3.8 TTS şeması için isteklerinizi güncelleyin:

1. Dönüş seviyesindeki talimatları speech_metadata'a taşıma: Gemini 3.8 TTS, giriş metnini bire bir transkript olarak değerlendirir. "Say cheerfully: Hello!" veya "Speaker 1: Hello!" gibi satır içi metin yol tarifleri sesli okunabilir. Sürekli yayın talimatlarını (style) ve konuşmacı etiketlerini (speaker) yapılandırılmış meta verilere taşıma:
   • Interactions API: Her metin içeriği bloğuna "type": "speech_metadata", "speaker" ve "style" ile bir ek açıklama ekleyin.
   • GenerateContent API: Her part öğesine "speech_metadata": {"speaker": "...", "style": "..."} ekleyin.
2. Köşeli parantez satır içi etiketlerini yalnızca anlık sesli etkinlikler için kullanın: Köşeli parantezleri (ör. <laugh>, <sigh>, <cough>, <breath> veya <short pause>) kullanarak anlık konuşma dışı seslendirmeleri ve duraklamaları transkriptte satır içinde tutun. Fısıldama gibi sunum tarzlarını speech_metadata.style içine alın.
3. Çok konuşmacılı isteklerde her dönüşte speaker belirtin: Çok konuşmacılı isteklerdeki her dönüş, yapılandırılmış konuşmacılardan biriyle eşleşen speech_metadata içinde speaker'yi açıkça içermelidir.
4. Ses tasarımı ile önceden tasarım karakterleri oluşturun: Uzun eski Ses Profili / Yönetmen Notları bloklarını Ses Tasarımı'nda oluşturulan özel bir sesle değiştirin, ardından bu voice_... kimliğini TTS isteklerinizde minimum veya boş style dizeleriyle kullanın.
5. Tekli isteklerde varsayılan WAV (audio/wav) çıkışını hesaba katın: gemini-3.1-flash-tts-preview ve önceki TTS modellerinin (varsayılan olarak başlık içermeyen ham PCM audio/l16 döndüren) aksine, Gemini 3.8 TTS, tekli istekler için varsayılan olarak standart bir RIFF başlığıyla WAV ses (audio/wav / AUDIO_WAV) döndürür.
   • Kodunuz daha önce ham PCM baytlarını bir WAV başlığına sarmalıyorduysa (örneğin, Python'ın wave modülünü veya ffmpeg'ı kullanarak) manuel başlık sarmalayıcıyı kaldırın ve döndürülen baytları doğrudan bir .wav dosyasına yazın.
   • Kanalınızın başlık içermeyen ham PCM, mu-law veya A-law ses gerektirmesi durumunda, response_format değerini açıkça "audio/l16" ("AUDIO_L16"), "audio/mulaw" ("AUDIO_MULAW") veya "audio/alaw" ("AUDIO_ALAW") olarak ayarlayın. Ses çıkışı biçimleri başlıklı makaleyi inceleyin.

gemini-3.8-flash-lite-tts

Desteklenen diller

gemini-3.8-flash-lite-tts, giriş dilini otomatik olarak algılar ve 101 dili destekler: