رفتن به محتوا
Google

Gemini 3.8 Flash Lite TTS

Gemini 3.8 Flash Lite TTS مدل هوش مصنوعی تبدیل متن به گفتار گوگل (Google) است؛ از ایران با API سازگار با OpenAI هیبانا، یک کلید و پرداخت تومانی به آن دسترسی دارید.

مستندات

درباره این مدل

Gemini 3.8 Flash Lite TTS مدل سبک و ارزان‌تر تبدیل متن به گفتار گوگل در خانوادهٔ Gemini 3.8 است و برای حجم بالا ساخته شده است. همان ۳۰ صدا، تشخیص خودکار زبان (از جمله فارسی)، دستور لحن (instructions) و گفت‌وگوی چندگوینده‌ای Gemini 3.8 Flash TTS را دارد.

خروجی wav یا pcm است و هزینه بر اساس توکن متن ورودی و توکن صوتی خروجی (۲۵ توکن در هر ثانیه صدا) محاسبه می‌شود.

هزینه

  • 3,240

    هزینه صدای هر دقیقه گفتار (تومان)

  • 180,000

    هزینه توکن متن ورودی (تومان به‌ازای هر ۱ میلیون توکن)

  • 2,159,000

    هزینه توکن صدای خروجی (تومان به‌ازای هر ۱ میلیون توکن)

هزینه = توکن‌های متن ورودی با قیمت ورودی + توکن‌های صدای خروجی با قیمت خروجی (هر ثانیه صدا ۲۵ توکن). «هزینه صدای هر دقیقه» فقط خود صداست و هزینهٔ متن را ندارد. مبلغ پس از آماده شدن صدا کم می‌شود و اگر ساخت شکست بخورد چیزی کم نمی‌شود.
نمونهٔ هزینه (تقریبی)
نمونههزینهٔ تقریبی
صدای یک دقیقه گفتار (بدون هزینهٔ متن)3,240 تومان
صدای ۱۰ دقیقه گفتار (بدون هزینهٔ متن)32,400 تومان

کد مدل

این رشته را در فیلد model درخواست بفرستید.

google/gemini-3.8-flash-lite-tts

مشخصات

مشخصات فنی مدل
دستهتولید صدا
نوع ورودیمتن
نوع خروجیصدا
صداهاZephyr، Puck، Charon، Kore، Fenrir، Leda، Orus، Aoede، Callirrhoe، Autonoe، Enceladus، Iapetus، Umbriel، Algieba، Despina، Erinome، Algenib، Rasalgethi، Laomedeia، Achernar، Alnilam، Schedar، Gacrux، Pulcherrima، Achird، Zubenelgenubi، Vindemiatrix، Sadachbia، Sadaltager، Sulafat (پیش‌فرض: Kore)
قالب خروجیWAV، PCM (24 کیلوهرتز، تک‌کاناله، 16 بیت) (پیش‌فرض: wav)
حداکثر طول متن۳٬۰۰۰ کاراکتر در هر درخواست
لحن و سبک (instructions)پشتیبانی می‌شود
سرعت گفتار (speed)پشتیبانی می‌شود
چندگویندهپشتیبانی می‌شود (input به‌صورت آرایه‌ای از نوبت‌ها)
آدرس درخواستPOST /v1/audio/speech
محدودیت نرخ پیش‌فرض۵۰ درخواست در هر دقیقه (برای هر حساب)
تاریخ انتشار۳۱ شهریور ۱۴۰۵
وضعیتفعال

نمونهٔ صداها

پیش از انتخاب، هر صدا را گوش کنید. نام صدا را در فیلد voice بفرستید.

  • Koreپیش‌فرض
  • Leda
  • Orus
  • Puck
  • Aoede
  • Achird

نمونهٔ درخواست

درخواست آمادهٔ اجرا با همین مدل؛ فقط کلید API خود را جایگزین کنید.

# مدل‌های Gemini TTS فقط wav و pcm می‌دهند؛ mp3 خطای 400 است.# instructions لحن و سبک را تعیین می‌کند و کاراکتر حساب نمی‌شود.# input آرایه‌ای از نوبت‌هاست؛ هر نوبت صدای خودش را دارد (چندگوینده).curl https://api-ai.hibanacloud.ir/v1/audio/speech \  -H "Authorization: Bearer YOUR_API_KEY" \  -H "Content-Type: application/json" \  -d '{    "model": "google/gemini-3.8-flash-lite-tts",    "instructions": "Warm, relaxed conversation between two friends.",    "input": [      {"text": "سلام، حالت چطوره؟", "voice": "Kore"},      {"text": "سلام! خوبم، ممنون. تو چطوری؟", "voice": "Puck"}    ],    "response_format": "wav"  }' \  --output speech.wav