Gemini 3.8 Flash TTS API

Zurelay facture $0.30 par 1M tokens de texte en entrée et $5.40 par 1M tokens audio en sortie. Les tarifs catalogue de Google sont de $0.50 et $9.00, soit une économie de 40%. Gemini 3.8 Flash TTS compte 25 tokens audio par seconde de parole, soit 1,500 par minute. Une minute coûte donc environ $0.008, plus le texte envoyé. Le tarif de Google doublera le 1 janvier 2027, et celui de Zurelay suivra cette hausse. Les requêtes qui échouent ne coûtent rien.

Créez une clé API Zurelay, définissez l'URL de base du SDK sur https://api.zurelay.com/v1 et appelez client.audio.speech.create avec model défini sur gemini-3.8-flash-tts, une voix et votre texte en input. N'utilisez pas instructions : ce modèle lit tout ce qu'on lui envoie. La réponse est le fichier audio lui-même : enregistrez-le avec write_to_file en Python, ou écrivez ses octets dans un fichier en Node. Pour essayer d'abord les voix, utilisez le mode Speech du Playground sur https://zurelay.com/app/playground.

Pas sur Zurelay. Google l'a conçu pour lire le texte fourni mot pour mot : une consigne comme "Dites avec entrain :" dans le texte serait donc lue à voix haute. L'API de Google accepte un style global dans un champ distinct que Zurelay ne transmet pas. Une requête contenant des instructions est refusée avec une erreur unsupported_parameter, plutôt que de les lire à voix haute. Utilisez des balises vocales dans le texte pour des sons ponctuels, ou Gemini 3.1 Flash TTS pour décrire un style en langage naturel.

Google documents angle-bracket tags for momentary sounds: <laugh>, <sigh>, <cough>, <breath> et <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 à the model as written, tags included.

Les 30 voix prédéfinies de Gemini, comme Kore, Puck, Charon, Leda, Aoede et Sulafat, avec Kore par défaut. Les noms de voix OpenAI fonctionnent aussi et correspondent à une voix Gemini au caractère similaire : alloy utilise Kore, nova utilise Leda, onyx utilise Orus et shimmer utilise Callirrhoe. L'Extended Voice Library de Google, qui compte plus de 2,000 voix, ainsi que la création et la réplication de voix ne sont pas disponibles sur Zurelay.

Plus de 130 selon Google, contre plus de 70 pour Gemini 3.1 Flash TTS. Aucun réglage de langue n'est nécessaire : elle est détectée à partir du texte. Une phrase en espagnol est donc lue en espagnol.

Chaque requête accepte jusqu'à 5,000 caractères en entrée ; découpez les textes plus longs en plusieurs requêtes. L'audio est renvoyé en MP3 par défaut. Vous pouvez aussi définir response_format sur wav, ou sur pcm pour des échantillons bruts mono de 24 kHz sur 16 bits. Google indique pour ce modèle une limite de 8,192 tokens en entrée et de 16,384 en sortie. Zurelay ne stocke pas l'audio : enregistrez donc le fichier reçu.

Pas en une seule requête sur Zurelay. L'API de Google peut générer un dialogue à plusieurs voix en un seul appel, mais sur Zurelay, chaque requête utilise une seule voix. Pour un dialogue, générez chaque réplique avec sa propre voix, puis assemblez les fichiers audio dans l'ordre ; le PCM brut est le plus simple à assembler.

Une phrase ou un court paragraphe prend généralement 6 à 9 secondes, et le fichier complet est renvoyé en une seule réponse. Pour un assistant vocal, envoyez une phrase à la fois afin que la lecture commence plus vite.

Oui. Google l'a lancé en préversion en septembre 2026 (sa documentation Cloud indique le 28 septembre) et n'a annoncé aucune date d'arrêt.

Oui. Vos requêtes sont traitées par Gemini 3.8 Flash TTS de Google. Zurelay ne le remplace pas par un autre modèle ou une version plus petite. La voix est générée à chaque appel : un même texte avec la même voix donne donc une lecture légèrement différente à chaque fois. Zurelay est un service indépendant, sans affiliation avec Google.