gemini-3.8-flash-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-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-tts?
Частые вопросы о gemini-3.8-flash-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.
gemini-3.8-flash-tts преобразует текст в аудио: синтез речи для озвучки, прототипов, ассистентов и контента. Модель рассчитана на работу с большими текстовыми контекстами и подходит там, где вам нужен быстрый качественный TTS.
Модель генерирует аудиовыход по текстовому описанию: синтезированные голосовые дорожки для озвучки и диалогов. Конкретные аудиоформаты и кодеки в наших данных не указаны; модель может выдавать длительное аудио, что полезно, если вы создаёте продолжительные записи.
В наших данных способность выполнять явные рассуждения перед ответом не отмечена. Это прежде всего TTS-модель, ориентированная на синтез речи. Если вам нужны развёрнутые логические рассуждения, лучше использовать текстовую версию Gemini или специализированную модель.
В наших данных поддержка function calling и структурированного JSON-вывода не отмечена. gemini-3.8-flash-tts фокусируется на аудио, поэтому для надёжного вызова функций и получения JSON-структур вам лучше использовать текстовую модель с явно заявленной поддержкой таких возможностей.
В наших данных приём на вход кроме текста не отмечен, то есть прямых подтверждений загрузки изображений, аудио или видео нет. Для описания референсов вы можете включать текстовые указания; для мультимодальных задач используйте соответствующие модели.
В наших данных поддержка русского языка не указана, поэтому точной оценки нет. Качество распознавания и синтеза зависит от конкретных голосов и настройки. Рекомендуем протестировать модель на ваших примерах, чтобы оценить качество для конкретных задач.