跳轉到主要內容
Gemini 3.8 Flash TTS 側重聲音表現力、對話和長篇旁白。Google 公布支援 130 種語言。 Gemini 3.8 Flash TTS 接收文字並輸出音訊。廠商限制為 8,192 輸入 tokens、16,384 輸出 tokens;實際限制與可用性取決於 MixRoute 路由。範例使用既有 Gemini 原生 generateContent 路徑,不假定支援 Interactions 或 OpenAI 音訊介面。

請求參數

parts[].text 只寫需要朗讀的原文,朗讀指令放入 parts[].speechMetadata.style。不要加 Say cheerfully 之類前綴,它可能被直接讀出。SDK 或說明文件可能使用 speech_metadata 命名;REST JSON 欄位為 speechMetadata。3.8 的非串流輸出預設 WAV,不再沿用舊版預設的原始 PCM。

請求範例

設定 MIXROUTE_API_KEY 環境變數。Python 示例僅使用標準函式庫。

讀取音訊結果

讀取 candidates[].content.parts[].inlineData.data 和 mimeType。Base64 解碼後直接寫入 WAV 檔案,不要再次加入 WAV 標頭。Python 範例會拒絕缺少音訊或非 WAV 資料,避免靜默產生損壞檔案。自訂音色、串流等廠商能力仍須路由單獨支援。