跳转到主要内容
Gemini 3.8 Flash-Lite TTS 侧重低延迟和高吞吐语音生成。Google 公布支持 101 种语言。 Gemini 3.8 Flash-Lite TTS 接收文本并输出音频。厂商限制为 8,192 输入 tokens、16,384 输出 tokens;实际限制与可用性取决于 MixRoute 路由。示例使用现有 Gemini 原生 generateContent 路径,不假定支持 Interactions 或 OpenAI 音频接口。

请求参数

parts[].text 只写需要朗读的原文,朗读指令放入 parts[].speechMetadata.style。不要加 Say cheerfully 之类前缀,它可能被直接读出。SDK 或说明文档可能使用 speech_metadata 命名;REST JSON 字段为 speechMetadata。3.8 的非流式输出默认 WAV,不再沿用旧版默认裸 PCM。

请求示例

设置 MIXROUTE_API_KEY 环境变量。Python 示例仅使用标准库。

读取音频结果

读取 candidates[].content.parts[].inlineData.data 和 mimeType。Base64 解码后直接写入 WAV 文件,不要再次添加 WAV 头。Python 示例会拒绝缺失音频或非 WAV 数据,避免静默生成损坏文件。自定义音色、流式等厂商能力仍须路由单独支持。