gemini-3.8-flash-lite-tts
нейросеть
Характеристики
- Входные данные
- текст
- Результат
- аудио
- Количество голосов
- 6
Стоимость промпта
(за 1M токенов)
Стоимость ответа
(за 1M токенов)
Картинка-промт
(за 1K токенов)
import OpenAI from 'openai';
const openai = new OpenAI({
apiKey: '<your bothub access token>',
baseURL: 'https://openai.bothub.chat/v1'
});
import fs from 'fs';
async function main() {
const response = await openai.audio.speech.create({
model: 'gemini-3.8-flash-lite-tts',
voice: 'nova',
input: 'Hello! This is a speech generation example via BotHub.',
response_format: 'mp3',
speed: 0.9
});
const buffer = Buffer.from(await response.arrayBuffer());
await fs.promises.writeFile('output.mp3', buffer);
}main();
Как работает gemini-3.8-flash-lite-tts?
Частые вопросы о gemini-3.8-flash-lite-tts
Вы можете использовать результаты генерации в коммерческих целях. Все права на созданный контент принадлежат вам. Единственное ограничение: убедитесь, что в запросе не использовались защищённые авторским правом материалы третьих сторон. Ответственность за соблюдение прав на входные данные лежит на пользователе.
Это модель текст→речь от Google: преобразует текст в аудио и подходит для озвучки интерфейсов, голосовых ассистентов, лекций и других сценариев, где нужен естественный голос. Большой контекст позволяет подавать длинные тексты для последовательной генерации.
Модель генерирует аудио по тексту; конкретный формат и кодек задаются через API или интеграцию, поэтому вы выбираете параметры вывода. Благодаря вместительному контексту возможно получать продолжительные фрагменты речи без частых прерываний.
В наших данных это не отмечено. Текст→речь-модели обычно преобразуют готовый текст в звук, а не заранее формируют развёрнутые рассуждения. Если вам нужен этап рассуждений, сначала формируйте текст в LLM, затем передайте результат на озвучивание.
В наших данных это не отмечено. Возможности function calling и структурированный JSON обычно относятся к функционалу LLM. На практике вы можете генерировать или формировать JSON на стороне приложения и передавать нужные текстовые поля в модель для озвучивания.
В наших данных приём других типов входов не отмечен; модель ориентирована на текст. Для работы с видео или аудио обычно сначала извлекают транскрипт или субтитры, затем передают текст модели для генерации озвучки.
В наших данных это не отмечено, поэтому подтвердить уровень понимания русского нельзя. Качество озвучки и корректность произношения будут зависеть от входного текста, выбранных голосов и настроек интеграции, лучше протестировать на ваших примерах.