Gemini 3.8 Flash TTS
Le modèle vocal de Google pour la narration expressive, les voix de personnages et les dialogues dans 130 langues.
Le modèle vocal de Google pour la narration expressive, les voix de personnages et les dialogues dans 130 langues.
Présentation
Transformez un script en audio en choisissant une voix et en dirigeant chaque réplique. Flash TTS est l'option créative de ce duo, destinée à la narration, aux accents et à l'interprétation de personnages.
Les deux modèles permettent de créer des voix et des scripts à deux intervenants. Ils génèrent de la parole, pas des réponses : un assistant conversationnel a toujours besoin de composants distincts d'écoute et de raisonnement. Ils n'utilisent pas l'API Gemini Live.
Comparaison par catégorie
Il s'agit de caractéristiques publiées par les fournisseurs, et non de scores de benchmark de Cody. Consultez les sources en lien pour connaître les limites actuelles et les exceptions propres à chaque point de terminaison.
Accès API et fournisseur
Disponibilité
Disponible via l'API Gemini et Google AI Studio dans les régions prises en charge.
La réplication vocale dans AI Studio exclut l'Illinois, le Texas, l'EEE, le Royaume-Uni, la Suisse et l'Inde. Cette restriction ne constitue pas une interdiction générale de la synthèse vocale dans ces régions.
Vérifier la disponibilité actuelleDonnées et entraînement
Google indique que les prompts et les réponses de l'API Gemini payante ne sont pas utilisés pour améliorer ses produits. Le contenu des services non payants peut en général l'être, avec un traitement différent pour les utilisateurs de l'EEE, du Royaume-Uni et de la Suisse ; vérifiez les conditions en vigueur pour votre compte et votre région.
Il s'agit d'une synthèse des documents cités du fournisseur, et non d'un avis juridique. Une passerelle tierce peut appliquer des conditions de stockage, de routage, d'entraînement et de résidence des données différentes de celles de l'API directe de l'éditeur du modèle.
Lire la politique du fournisseurQuestions fréquentes
Le modèle vocal de Google pour la narration expressive, les voix de personnages et les dialogues dans 130 langues. Transformez un script en audio en choisissant une voix et en dirigeant chaque réplique. Flash TTS est l'option créative de ce duo, destinée à la narration, aux accents et à l'interprétation de personnages.
D'après les documents cités du fournisseur, Gemini 3.8 Flash TTS est sorti le 23 septembre 2026.
Disponible via l'API Gemini et Google AI Studio dans les régions prises en charge. Voies d'accès répertoriées dans ce guide : Google.
0,50 $ en entrée texte · 9 $ en sortie audio / 1 M de tokens. Tarifs de lancement Standard jusqu'au 31 décembre 2026 ; les deux doublent le 1er janvier 2027. L'audio utilise 25 tokens par seconde. Le cache et les autres niveaux de service ont des tarifs différents.
Disponible via l'API Gemini et Google AI Studio dans les régions prises en charge. La réplication vocale dans AI Studio exclut l'Illinois, le Texas, l'EEE, le Royaume-Uni, la Suisse et l'Inde. Cette restriction ne constitue pas une interdiction générale de la synthèse vocale dans ces régions.
Google indique que les prompts et les réponses de l'API Gemini payante ne sont pas utilisés pour améliorer ses produits. Le contenu des services non payants peut en général l'être, avec un traitement différent pour les utilisateurs de l'EEE, du Royaume-Uni et de la Suisse ; vérifiez les conditions en vigueur pour votre compte et votre région. La politique dépend de la voie d'accès du fournisseur et des conditions de votre compte : vérifiez-la de nouveau avant toute mise en production.
Comparaisons associées
Un modèle expressif de synthèse vocale pour la narration, les voix de personnages et les dialogues multilingues.
Ouvrir la comparaison complèteLe modèle vocal moins coûteux de Google pour la lecture à voix haute et la production audio à grande échelle dans 101 langues.
Ouvrir la comparaison complèteModèle de synthèse vocale en temps réel expressif de ElevenLabs pour un dialogue naturel, une transmission émotionnelle, des balises audio et plus de 70 langues.
Ouvrir la comparaison complèteLe tout nouveau modèle expressif de synthèse vocale en temps réel d'Inworld, conçu pour mémoriser les conversations et parler dans plus de 100 langues.
Ouvrir la comparaison complète