Positionierung und Veröffentlichung
Gemini 3.8 Flash TTS ist Googles kreatives Text-to-Speech-Spitzenmodell für hochwertige, ausdrucksstarke Sprachgenerierung. Laut den Gemini-API-Versionshinweisen wurde es am 22. September 2026 allgemein verfügbar. (aistudio.google.com)
Fähigkeiten und Anwendungen
- Wandelt Texte in Audio mit einer oder mehreren Sprecherstimmen um. Deutsch gehört zu den unterstützten Sprachen; regionale Akzente und Dialekte werden unterstützt. (aistudio.google.com)
- Sprechstil, Tempo und Ausdruck lassen sich über strukturierte Metadaten steuern; kurze stimmliche Ereignisse und Pausen können im Transkript markiert werden. Das Modell unterstützt Streaming sowie vorgefertigte und individuell gestaltete Stimmen. Eine Stimmreplikation ist mit Einwilligungsprüfung vorgesehen. (ai.google.dev)
- Geeignet unter anderem für Hörbücher, Studio-Narration und komplexe Dialoge mit mehreren Sprechern. (aistudio.google.com)
Grenzen und technische Hinweise
- Die Gemini API akzeptiert Text als Modelleingabe und gibt Audio aus. Die Grenzen liegen bei 8.192 Eingabe-Token und 16.384 Ausgabe-Token pro Anfrage. Live API, Kontext-Caching und Function Calling werden für dieses Modell nicht unterstützt. (aistudio.google.com)
- Eingabetext wird als wörtliches Transkript behandelt. Anweisungen zum anhaltenden Sprechstil gehören deshalb in
speech_metadata, nicht als gewöhnlicher Text in das Transkript. (aistudio.google.com) - Standardmäßig liefern nicht gestreamte Anfragen WAV und Streaming-Anfragen rohe PCM-Audiosegmente; beide verwenden standardmäßig 24 kHz, Mono und 16 Bit. (aistudio.google.com)
Preise
Gemini Developer API, kostenpflichtiger Tarif; USD je 1 Million Token. Eingabe bezeichnet Text-Token, Ausgabe Audio-Token. Stand der Abfrage: 16. November 2026. Die folgenden Preise gelten für dieses Modell und die jeweils genannte Verarbeitungsart. (aistudio.google.com)
| Verarbeitung | Bis 31. Dezember 2026: Eingabe / Ausgabe | Ab 1. Januar 2027: Eingabe / Ausgabe |
|---|---|---|
| Standard | 0,50 / 9,00 USD | 1,00 / 18,00 USD |
| Batch | 0,25 / 4,50 USD | 0,50 / 9,00 USD |
| Flex | 0,25 / 4,50 USD | 0,50 / 9,00 USD |
| Priority | 0,90 / 16,20 USD | 1,80 / 32,40 USD |
Google führt für Standard und Priority auch eine kostenlose Stufe für Ein- und Ausgabe auf; bei Batch und Flex ist sie nicht verfügbar. Audio wird mit 25 Token pro Sekunde angesetzt. (aistudio.google.com)