Referencia de la API de Gemini 3.8 Flash TTS

Con una sola clave de API de PopNow puedes llamar a Gemini 3.8 Flash TTS desde tu propio código. Aquí tienes los ID de modelo que debes enviar, cada campo de entrada que acepta, cuántos créditos cuesta cada solicitud y una petición que puedes pegar tal cual en la terminal.

Las descripciones de los parámetros vienen del esquema de entrada del modelo y solo están en inglés.

De un vistazo

Creado por: Google
Resultado: Audio
Desde: 0.05 créditos por segundo generado ($0.0005)
Tiempo habitual: unos 11 s
ID de modelo: google/gemini-3.8-flash-tts/text-to-speech

1 crédito = 0,01 US$. Al aceptarse, la tarea retiene el cargo máximo posible y al terminar cobra el uso real, redondeado al crédito superior; el resto se libera. Las tareas fallidas no se cobran. Para saber la cifra exacta antes de ejecutar, llama a POST /api/v1/jobs/quote.

Texto a voz

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

Precio

Opción	Créditos (por segundo generado)	Dólares
`Predeterminado`	0.05	$0.0005

Parámetros

Campo	Tipo	Valor predeterminado	Valores admitidos	Para qué sirve
`text`Opcional	`string`	—	hasta 5000 caracteres	The words to be spoken, exactly as written. Direction such as [whispering] or [sighs] goes into the text itself.
`dialogue`Opcional	`array<object>`	—	hasta 20 elementos	A scripted conversation, used instead of text: each line names a speaker from speakers.
`speakers`Opcional	`array<object>`	—	hasta 2 elementos	The cast for dialogue: one or two voices, each with a name the lines refer to.
`voice_id`Opcional	`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`Opcional	`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`Opcional	`string`	—	natural, rapid_fire, the_drift, staccato	Rhythm of the reading. Omit it to keep the voice's own rhythm.
`accent`Opcional	`string`	—	neutral, american_general, american_valley, american_south, british_rp, british_brixton, transatlantic, australian	English accent used for the reading.
`instructions`Opcional	`string`	—	hasta 1000 caracteres	How to read the text: mood, distance from the microphone, who is listening. Shapes the delivery and is not spoken.
`scene`Opcional	`string`	—	hasta 500 caracteres	Where and to whom the words are spoken. Shapes the delivery and is not spoken.
`temperature`Opcional	`number`	—	de 0 a 2	Variation between takes; higher is less predictable.

Solicitud de ejemplo

Esta solicitud funciona tal cual; los campos que no envíes usan su valor predeterminado. Antes, guarda tu clave en POPNOW_API_KEY.

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."
  }
}'

La respuesta trae un taskId al instante. Consulta el resultado con GET /api/v1/jobs/recordInfo o añade callBackUrl para recibir un aviso.

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"