Gemini 3.8 Flash TTS API-Referenz

Mit einem einzigen PopNow-API-Schlüssel rufst du Gemini 3.8 Flash TTS aus deinem eigenen Code auf. Hier findest du die Modell-IDs, jedes Eingabefeld, die Kosten pro Anfrage in Credits und eine Anfrage, die du direkt ins Terminal kopieren kannst.

Die Parameterbeschreibungen stammen aus dem Eingabeschema des Modells und sind nur auf Englisch verfügbar.

Auf einen Blick

Hersteller: Google
Ergebnis: Audio
Ab: 0.05 Credits pro Sekunde Ergebnis ($0.0005)
Typische Dauer: etwa 11 s
Modell-IDs: google/gemini-3.8-flash-tts/text-to-speech

1 Credit = 0,01 $. Bei Annahme reserviert ein Task den höchstmöglichen Betrag und rechnet am Ende den tatsächlichen Verbrauch ab, auf ganze Credits aufgerundet; der Rest wird freigegeben. Fehlgeschlagene Tasks kosten nichts. Den genauen Betrag vorab liefert POST /api/v1/jobs/quote.

Text zu Sprache

google/gemini-3.8-flash-tts/text-to-speech

Preis

Option	Credits (pro Sekunde Ergebnis)	US-Dollar
`Standard`	0.05	$0.0005

Parameter

Feld	Typ	Standardwert	Erlaubt	Bedeutung
`text`Optional	`string`	—	bis zu 5.000 Zeichen	The words to be spoken, exactly as written. Direction such as [whispering] or [sighs] goes into the text itself.
`dialogue`Optional	`array<object>`	—	bis zu 20 Einträge	A scripted conversation, used instead of text: each line names a speaker from speakers.
`speakers`Optional	`array<object>`	—	bis zu 2 Einträge	The cast for dialogue: one or two voices, each with a name the lines refer to.
`voice_id`Optional	`string`	`Kore`	Achernar, Achird, Algenib, Algieba, Alnilam, Aoede, Autonoe, Callirrhoe, Charon, Despina, Enceladus, Erinome, Fenrir, Gacrux, … (+16)	Prebuilt voice that reads the text. Each voice has a fixed character.
`style`Optional	`string`	—	whisper, empathetic, vocal_smile, newscaster, promo_hype, deadpan	Overall manner of the reading. Omit it to use the voice's own default manner.
`pace`Optional	`string`	—	natural, rapid_fire, the_drift, staccato	Rhythm of the reading. Omit it to keep the voice's own rhythm.
`accent`Optional	`string`	—	neutral, american_general, american_valley, american_south, british_rp, british_brixton, transatlantic, australian	English accent used for the reading.
`instructions`Optional	`string`	—	bis zu 1.000 Zeichen	How to read the text: mood, distance from the microphone, who is listening. Shapes the delivery and is not spoken.
`scene`Optional	`string`	—	bis zu 500 Zeichen	Where and to whom the words are spoken. Shapes the delivery and is not spoken.
`temperature`Optional	`number`	—	0 bis 2	Variation between takes; higher is less predictable.

Beispielanfrage

Diese Anfrage läuft so, wie sie ist; weggelassene Felder behalten ihren Standardwert. Leg deinen Schlüssel vorher in POPNOW_API_KEY ab.

POST /api/v1/jobs/createTask?wait=60

curl -X POST "https://api.popnow.ai/api/v1/jobs/createTask?wait=60" \
  -H "Authorization: Bearer $POPNOW_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: $(uuidgen)" \
  -d '{
  "model": "google/gemini-3.8-flash-tts/text-to-speech",
  "input": {
    "text": "Hi there! This voice was created with the PopNow API in just a few seconds."
  }
}'

Die Antwort enthält sofort eine taskId. Das Ergebnis holst du mit GET /api/v1/jobs/recordInfo ab – oder du gibst callBackUrl mit und wirst benachrichtigt.

GET /api/v1/jobs/recordInfo

curl "https://api.popnow.ai/api/v1/jobs/recordInfo?taskId=TASK_ID_FROM_CREATE_TASK" \
  -H "Authorization: Bearer $POPNOW_API_KEY"