Gemini 3.8 Flash Lite TTS

curl --request POST \
  --url https://api.vidgo.ai/api/generate/submit \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data '
{
  "model": "google/gemini-3.8-flash-lite/text-to-speech",
  "input": {
    "text": "You have three new messages. The first is from Dana: running ten minutes late, save me a seat.",
    "voice": "Puck"
  }
}
'

{
  "code": 200,
  "data": {
    "task_id": "task-unified-1762160000-abc123",
    "status": "not_started",
    "created_time": "2026-11-03T10:30:00"
  }
}

{
  "detail": "<string>"
}

{
  "detail": "<string>"
}

{
  "detail": "<string>"
}

{
  "detail": "<string>"
}

Request timeout

{
  "detail": "<string>"
}

{
  "detail": "<string>"
}

{
  "detail": "<string>"
}

{
  "detail": "<string>"
}

{
  "detail": "<string>"
}

POST

api

generate

submit

curl --request POST \
  --url https://api.vidgo.ai/api/generate/submit \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data '
{
  "model": "google/gemini-3.8-flash-lite/text-to-speech",
  "input": {
    "text": "You have three new messages. The first is from Dana: running ten minutes late, save me a seat.",
    "voice": "Puck"
  }
}
'

{
  "code": 200,
  "data": {
    "task_id": "task-unified-1762160000-abc123",
    "status": "not_started",
    "created_time": "2026-11-03T10:30:00"
  }
}

{
  "detail": "<string>"
}

{
  "detail": "<string>"
}

{
  "detail": "<string>"
}

{
  "detail": "<string>"
}

Request timeout

{
  "detail": "<string>"
}

{
  "detail": "<string>"
}

{
  "detail": "<string>"
}

{
  "detail": "<string>"
}

{
  "detail": "<string>"
}

提交后会返回 task_id。如果提供了 callback_url，当任务状态变为 finished 或 failed 时，系统会向 callback_url 发送 POST 请求。
无论是否提供 callback_url，都可以通过统一的查询任务状态接口获取结果。

Gemini 3.8 Flash-Lite TTS 是 Google 面向高吞吐场景的文本转语音（TTS）模型。它把文本或两位说话人的对话脚本转为 WAV 音频，提供 30 种预设音色，自动识别语言（Google 列出 101 种），并接受自然语言的风格指示。适合朗读功能、通知播报、语音 Agent 提示音等大批量的日常语音。 Gemini 3.8 Flash-Lite TTS 的请求字段与 Gemini 3.8 Flash TTS 相同，后者被 Google 定位为追求最高音色保真度和复杂对话。只需修改 model 即可切换。

模型

google/gemini-3.8-flash-lite/text-to-speech — Gemini 3.8 Flash-Lite 文本转语音，适合大批量单人或双人语音。

功能

文本转语音（TTS），支持单人朗读或双人对话脚本。
30 种预设音色，可按请求或按说话人设置。
用自然语言的 style_instructions 控制语气、语速、口音和情绪，可全局设置，也可逐句设置。
自动识别语言（Google 列出 101 种语言）。
输出 WAV 音频。

输入模式

单人：发送 text，可选 voice（默认 Kore）。
双人对话：发送恰好两位 speakers 和一组 turns。此模式下不要发送顶层的 text 或 voice。

必填参数

单人：

text（string）：要朗读的文本，不能为空白。

双人对话：

speakers（object[]）：恰好两个对象，每个对象只包含：
- speaker_id（string）：非空别名，在请求内不能重复，例如 host。
- voice（string）：预设音色之一。
turns（object[]）：至少一句，按说话顺序排列：
- speaker_id（string）：必须与两位 speakers 之一一致。
- text（string）：该说话人说的内容，不能为空白。
- style_instructions（string，可选）：仅作用于这一句的演绎指示。

可选参数

voice（string）：仅单人模式。预设音色之一。默认 Kore。
style_instructions（string）：作用于整个请求的全局演绎指示，例如 Calm, warm documentary narration。两种模式都适用。
enable_safety_checker（boolean）：启用上游安全检查。默认 true。

输出

任务完成后，查询任务状态和回调内容的 files 数组中会返回一个 WAV 音频文件。输出格式固定，没有 output_format 字段。

预设音色

voice 和 speakers[].voice 可用以下 30 个值（区分大小写）：

支持的音色取值

Achernar
Achird
Algenib
Algieba
Alnilam
Aoede
Autonoe
Callirrhoe
Charon
Despina
Enceladus
Erinome
Fenrir
Gacrux
Iapetus
Kore
Laomedeia
Leda
Orus
Pulcherrima
Puck
Rasalgethi
Sadachbia
Sadaltager
Schedar
Sulafat
Umbriel
Vindemiatrix
Zephyr
Zubenelgenubi

示例

单人朗读：用 voice: Puck 朗读一段消息摘要。
双人客服对话：agent（Kore）与 caller（Charon），配合全局 style_instructions，并提供 callback_url。

注意事项

积分在提交时预扣，按计费字符数计算：text、全局 style_instructions，以及每一句的 text 和 style_instructions。说话人 ID 不计入。任务失败会全额退还。当前费率见定价页。
Flash-Lite 的计费低于 Gemini 3.8 Flash TTS。
对话模式只支持恰好两位说话人。出现第三位说话人、turns 中的 speaker_id 不在 speakers 里，或对话请求中带有顶层 text/voice，都会返回 400。
演绎指示请写在 style_instructions 中，不要写进 text；写在 text 里的指示可能会被读出来。
本接口不支持 output_format、language_code、temperature、seed 和时间戳，也不支持声音克隆或自定义音色。

授权

Authorization

string

header

必填

所有 API 接口都需要 Bearer Token 认证

获取 API Key：

进入仪表盘 → API 密钥（API Key 管理页面）获取你的 API Key

在请求头中添加：

Authorization: Bearer VIDGO_API_KEY

请求体

application/json

model

string

必填

模型 ID，填 google/gemini-3.8-flash-lite/text-to-speech。

示例:

"google/gemini-3.8-flash-lite/text-to-speech"

input

object

必填

生成参数。发送 text（单人）或 speakers + turns（双人对话），二者只能选其一。

Show child attributes

callback_url

string<uri> | null

可选的公开 HTTP(S) 地址，任务变为 finished 或 failed 时会收到 POST 请求。建议使用 HTTPS。省略、传 null 或空字符串即不发送回调。

示例:

"https://your-domain.com/callback"

响应

任务已提交

code

enum<integer>

必填

HTTP 状态码。

可用选项:

200

data

object

必填

Show child attributes

​模型

​功能

​输入模式

​必填参数

​可选参数

​输出

​预设音色

​示例

​注意事项

授权

请求体

响应

模型

功能

输入模式

必填参数

可选参数

输出

预设音色

示例

注意事项