メインコンテンツへスキップ
Gemini 3.8 Flash-Lite TTS は低レイテンシと高スループットの音声生成向けです。Google は 101 言語への対応を公表しています。 Gemini 3.8 Flash-Lite TTS はテキスト入力から音声を出力します。プロバイダー上限は入力 8,192 トークン、出力 16,384 トークンです。実際の制限と利用可否は MixRoute のルートに依存します。例は既存の Gemini generateContent パスを使い、Interactions や OpenAI 音声 API の対応を仮定しません。

リクエストパラメーター

parts[].text には読み上げる原文のみを入れ、話し方の指示は parts[].speechMetadata.style に入れます。Say cheerfully などを先頭に付けると、そのまま読まれる場合があります。SDK や資料では speech_metadata という名称の場合がありますが、REST JSON では speechMetadata です。3.8 の非ストリーミング出力は旧モデルの生 PCM と異なり、既定で WAV です。

リクエスト例

環境変数 MIXROUTE_API_KEY を設定してください。Python の例は標準ライブラリのみを使用します。

音声出力の読み取り

candidates[].content.parts[].inlineData.data と mimeType を確認します。WAV を Base64 デコードして直接保存し、WAV ヘッダーを追加しないでください。Python の例は音声欠落や WAV 以外のデータを拒否し、壊れたファイルを黙って作りません。独自音声やストリーミングなどの機能には別途ルート対応が必要です。