Gemini 3.8 Flash TTS API

Zurelay berechnet $0.30 pro 1M Tokens für eingegebenen Text und $5.40 pro 1M Tokens für ausgegebenes Audio. Googles Listenpreise liegen bei $0.50 und $9.00 – du sparst also 40%. Gemini 3.8 Flash TTS zählt 25 Audio-Tokens pro Sekunde Sprache, also 1,500 pro Minute. Eine Minute kostet damit etwa $0.008 zuzüglich des gesendeten Texts. Google verdoppelt den Preis am 1. Januar 2027; der Preis von Zurelay steigt entsprechend. Fehlgeschlagene Anfragen kosten nichts.

Erstelle einen Zurelay API-Key, setze die Base-URL des SDK auf https://api.zurelay.com/v1 und rufe client.audio.speech.create auf, mit model gemini-3.8-flash-tts, einer Stimme und deinem Text als input. Lass instructions weg: Dieses Modell liest alles vor, was es bekommt. Die Antwort ist die Audiodatei selbst: Speichere sie in Python mit write_to_file oder schreibe ihre Bytes in Node in eine Datei. Um Stimmen vorher auszuprobieren, nutze den Speech-Modus im Playground unter https://zurelay.com/app/playground.

Nicht über Zurelay. Google hat das Modell so entwickelt, dass es den eingegebenen Text Wort für Wort vorliest. Eine Anweisung wie "Sag fröhlich:" im Text würde also mitgesprochen. Googles eigene API nimmt einen durchgehenden Sprechstil in einem separaten Feld entgegen, das Zurelay nicht weitergibt. Eine Anfrage mit Anweisungen wird mit einem unsupported_parameter-Fehler abgelehnt, statt die Anweisungen vorzulesen. Nutze Stimm-Tags im Text für kurze Laute oder Gemini 3.1 Flash TTS für einen in einfachen Worten beschriebenen Stil.

Google documents angle-bracket tags for momentary sounds: <laugh>, <sigh>, <cough>, <breath> und <short pause>. Write them in input exactly where the sound should happen, such as "That's the best news all week. <laugh> Really." Zurelay sends your text bis the model as written, tags included.

Die 30 vorgefertigten Stimmen von Gemini, darunter Kore, Puck, Charon, Leda, Aoede und Sulafat. Kore ist die Standardeinstellung. OpenAI-Stimmnamen funktionieren ebenfalls und werden einer ähnlich klingenden Gemini-Stimme zugeordnet: alloy spricht als Kore, nova als Leda, onyx als Orus und shimmer als Callirrhoe. Googles Extended Voice Library mit mehr als 2,000 Stimmen, Stimmdesign und Stimmreplikation sind über Zurelay nicht verfügbar.

Laut Google mehr als 130, verglichen mit mehr als 70 bei Gemini 3.1 Flash TTS. Es gibt keine Spracheinstellung: Die Sprache wird am Text erkannt. Ein spanischer Satz wird also auf Spanisch gesprochen.

Jede Anfrage kann bis zu 5,000 Zeichen Eingabetext enthalten. Teile längere Texte auf mehrere Anfragen auf. Audio wird standardmäßig als MP3 zurückgegeben. Du kannst response_format auch auf wav oder für rohe 24 kHz, 16-bit Mono-Samples auf pcm setzen. Google gibt für das Modell ein Eingabelimit von 8,192 Tokens und ein Ausgabelimit von 16,384 Tokens an. Zurelay speichert das Audio nicht – speichere die zurückgegebene Datei daher selbst.

Nicht in einer einzigen Anfrage über Zurelay. Googles eigene API kann einen Dialog mit mehreren Sprechern in einem Aufruf vertonen, bei Zurelay verwendet jede Anfrage aber nur eine Stimme. Erzeuge für einen Dialog jede Zeile mit der passenden Stimme und füge die Audiodateien in der richtigen Reihenfolge zusammen. Rohes PCM lässt sich am einfachsten zusammenfügen.

Ein Satz oder kurzer Absatz dauert normalerweise 6 bis 9 Sekunden. Die gesamte Datei kommt in einer Antwort zurück. Sende für einen Sprachassistenten jeweils einen Satz, damit die Wiedergabe früher beginnen kann.

Ja. Google hat das Modell im September 2026 als Vorschauversion veröffentlicht (laut Cloud-Dokumentation am 28. September) und noch kein Datum für die Einstellung angekündigt.

Ja. Deine Anfragen laufen über Googles Gemini 3.8 Flash TTS. Zurelay ersetzt es nicht durch ein anderes oder kleineres Modell. Die Sprache wird bei jedem Aufruf neu erzeugt. Derselbe Text mit derselben Stimme klingt deshalb jedes Mal etwas anders. Zurelay ist ein unabhängiger Dienst und nicht mit Google verbunden.