Gemini 3.8 Flash TTS API

Gemini 3.8 Flash TTS API

Gemini 3.8 Flash TTS превращает текст в естественную речь и хорошо говорит по-русски. Её используют для закадрового голоса в роликах, рекламы, аудиокниг, подкастов и озвучки персонажей. Это старшая модель пары: она ровнее держит длинные тексты.

Модель читает текст одним из 30 готовых голосов или разыгрывает диалог двух собеседников с разными голосами. Подачу можно описать словами - например, «тепло и спокойно» или «взволнованно, быстро», - а смех и вздох вставить прямо в текст. Каждый вызов создаёт асинхронную операцию: вы получаете id, а готовый WAV забираете отдельным запросом статуса.

Создание операции

• Endpoint: POST /api/v1/operations
• Авторизация: Authorization: Bearer brth_...
• Запрос создаёт операцию и сразу возвращает id и стартовый статус queued.
• Выполнение асинхронное: короткий текст обычно готов за 10-20 секунд, текст на 5000 символов - за несколько минут.

Режимов два:

• single - один голос читает весь text;
• dialogue - два собеседника по очереди произносят реплики из turns.

Тело запроса

{
  "tool": "gemini-3-8-flash-tts",
  "input": {
    "...": "..."
  }
}

• tool - slug нейросети, здесь всегда "gemini-3-8-flash-tts".
• input - параметры конкретного запуска.
• Все поля передаются напрямую внутри input, без дополнительного вложенного объекта input.

Параметры

Поля реплики в turns:

Голоса

Имена голосов пишутся с заглавной буквы, как в таблице. Все голоса говорят на русском и на других языках - язык модель определяет по тексту сама.

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

Послушать каждый голос можно на странице нейросети в форме сайта: у кнопки голоса есть пример звучания на русском.

Манера речи и вставки

style_instructions - это указание режиссёра, а не часть текста. Пишите его простыми словами на русском или английском: «бодро, как ведущий утреннего шоу», «шёпотом, медленно», «устало и немного раздражённо». В диалоге общая манера действует на все реплики, а style_instructions внутри реплики её уточняет.

Вставки пишутся прямо в тексте в том месте, где должен прозвучать звук:

• <laugh> - смех;
• <sigh> - вздох.

Вставки вслух не читаются, но входят в количество символов.

Примеры запросов

Сценарий 1. Один голос

Самый простой вызов: текст и голос. Режим single используется по умолчанию, его можно не передавать.

cURL

curl -X POST https://bratuha.ru/api/v1/operations \
  -H "Authorization: Bearer brth_ваш_ключ" \
  -H "Content-Type: application/json" \
  -d '{
      "tool": "gemini-3-8-flash-tts",
      "input": {
        "text": "Добрый день! Мы открылись после ремонта и ждём вас в новом зале. Всю неделю действует скидка двадцать процентов на всё меню.",
        "voice": "Kore"
      }
    }'

JavaScript / TypeScript

const response = await fetch('https://bratuha.ru/api/v1/operations', {
  method: 'POST',
  headers: {
    Authorization: 'Bearer brth_ваш_ключ',
    'Content-Type': 'application/json',
  },
  body: JSON.stringify({
    tool: 'gemini-3-8-flash-tts',
    input: {
      "text": "Добрый день! Мы открылись после ремонта и ждём вас в новом зале. Всю неделю действует скидка двадцать процентов на всё меню.",
      "voice": "Kore"
    },
  }),
})

const data = await response.json()

Python

import requests

response = requests.post(
    'https://bratuha.ru/api/v1/operations',
    headers={
        'Authorization': 'Bearer brth_ваш_ключ',
        'Content-Type': 'application/json',
    },
    json={
        'tool': 'gemini-3-8-flash-tts',
        'input': {
          "text": "Добрый день! Мы открылись после ремонта и ждём вас в новом зале. Всю неделю действует скидка двадцать процентов на всё меню.",
          "voice": "Kore"
        },
    },
    timeout=30,
)

print(response.status_code)
print(response.json())

Сценарий 2. Манера речи и звуки

style_instructions задаёт подачу словами, а вставки <laugh> и <sigh> в тексте добавляют смех и вздох. Ни указание, ни вставки не читаются вслух.

cURL

curl -X POST https://bratuha.ru/api/v1/operations \
  -H "Authorization: Bearer brth_ваш_ключ" \
  -H "Content-Type: application/json" \
  -d '{
      "tool": "gemini-3-8-flash-tts",
      "input": {
        "text": "Знаешь, что я нашла вчера на чердаке? Старую коробку с письмами. <laugh> Ты не поверишь, от кого они! <sigh> Жаль, что половину уже не прочитать.",
        "voice": "Aoede",
        "style_instructions": "тепло и чуть загадочно, в спокойном темпе"
      }
    }'

JavaScript / TypeScript

const response = await fetch('https://bratuha.ru/api/v1/operations', {
  method: 'POST',
  headers: {
    Authorization: 'Bearer brth_ваш_ключ',
    'Content-Type': 'application/json',
  },
  body: JSON.stringify({
    tool: 'gemini-3-8-flash-tts',
    input: {
      "text": "Знаешь, что я нашла вчера на чердаке? Старую коробку с письмами. <laugh> Ты не поверишь, от кого они! <sigh> Жаль, что половину уже не прочитать.",
      "voice": "Aoede",
      "style_instructions": "тепло и чуть загадочно, в спокойном темпе"
    },
  }),
})

const data = await response.json()

Python

import requests

response = requests.post(
    'https://bratuha.ru/api/v1/operations',
    headers={
        'Authorization': 'Bearer brth_ваш_ключ',
        'Content-Type': 'application/json',
    },
    json={
        'tool': 'gemini-3-8-flash-tts',
        'input': {
          "text": "Знаешь, что я нашла вчера на чердаке? Старую коробку с письмами. <laugh> Ты не поверишь, от кого они! <sigh> Жаль, что половину уже не прочитать.",
          "voice": "Aoede",
          "style_instructions": "тепло и чуть загадочно, в спокойном темпе"
        },
    },
    timeout=30,
)

print(response.status_code)
print(response.json())

Сценарий 3. Диалог двух собеседников

В режиме dialogue вместо text передаётся список реплик turns. Голоса собеседников задают voice_1 и voice_2, а у отдельной реплики может быть своя манера.

cURL

curl -X POST https://bratuha.ru/api/v1/operations \
  -H "Authorization: Bearer brth_ваш_ключ" \
  -H "Content-Type: application/json" \
  -d '{
      "tool": "gemini-3-8-flash-tts",
      "input": {
        "generation_type": "dialogue",
        "voice_1": "Zephyr",
        "voice_2": "Charon",
        "style_instructions": "живой дружеский разговор",
        "turns": [
          {
            "speaker": "1",
            "text": "Привет, Олег! Ты уже слышал новости?"
          },
          {
            "speaker": "2",
            "text": "Нет, а что случилось?",
            "style_instructions": "удивлённо"
          },
          {
            "speaker": "1",
            "text": "Мы наконец запустили озвучку диалогов! <laugh>"
          },
          {
            "speaker": "2",
            "text": "Вот это да. Надо срочно попробовать."
          }
        ]
      }
    }'

JavaScript / TypeScript

const response = await fetch('https://bratuha.ru/api/v1/operations', {
  method: 'POST',
  headers: {
    Authorization: 'Bearer brth_ваш_ключ',
    'Content-Type': 'application/json',
  },
  body: JSON.stringify({
    tool: 'gemini-3-8-flash-tts',
    input: {
      "generation_type": "dialogue",
      "voice_1": "Zephyr",
      "voice_2": "Charon",
      "style_instructions": "живой дружеский разговор",
      "turns": [
        {
          "speaker": "1",
          "text": "Привет, Олег! Ты уже слышал новости?"
        },
        {
          "speaker": "2",
          "text": "Нет, а что случилось?",
          "style_instructions": "удивлённо"
        },
        {
          "speaker": "1",
          "text": "Мы наконец запустили озвучку диалогов! <laugh>"
        },
        {
          "speaker": "2",
          "text": "Вот это да. Надо срочно попробовать."
        }
      ]
    },
  }),
})

const data = await response.json()

Python

import requests

response = requests.post(
    'https://bratuha.ru/api/v1/operations',
    headers={
        'Authorization': 'Bearer brth_ваш_ключ',
        'Content-Type': 'application/json',
    },
    json={
        'tool': 'gemini-3-8-flash-tts',
        'input': {
          "generation_type": "dialogue",
          "voice_1": "Zephyr",
          "voice_2": "Charon",
          "style_instructions": "живой дружеский разговор",
          "turns": [
            {
              "speaker": "1",
              "text": "Привет, Олег! Ты уже слышал новости?"
            },
            {
              "speaker": "2",
              "text": "Нет, а что случилось?",
              "style_instructions": "удивлённо"
            },
            {
              "speaker": "1",
              "text": "Мы наконец запустили озвучку диалогов! <laugh>"
            },
            {
              "speaker": "2",
              "text": "Вот это да. Надо срочно попробовать."
            }
          ]
        },
    },
    timeout=30,
)

print(response.status_code)
print(response.json())

Примеры ответов

Ответ после создания

{
  "id": "op_uuid-123",
  "status": "queued",
  "tool": "gemini-3-8-flash-tts",
  "cost": 0.80,
  "balance_after": 499.2,
  "created_at": "2026-09-29T12:00:00Z"
}

Ответ после завершения

{
  "id": "op_uuid-123",
  "status": "completed",
  "tool": "gemini-3-8-flash-tts",
  "cost": 0.80,
  "created_at": "2026-09-29T12:00:00Z",
  "completed_at": "2026-09-29T12:00:12Z",
  "result": {
    "type": "audio",
    "urls": [
      "https://storage.yandexcloud.net/bratuha.ru.files/user_files/1790657102061-guythko8.wav"
    ],
    "files": [
      {
        "url": "https://storage.yandexcloud.net/bratuha.ru.files/user_files/1790657102061-guythko8.wav",
        "name": "result"
      }
    ]
  },
  "error_message": null
}

Ответ с ошибкой

{
  "id": "op_uuid-123",
  "status": "failed",
  "tool": "gemini-3-8-flash-tts",
  "cost": 0.80,
  "created_at": "2026-09-29T12:00:00Z",
  "completed_at": "2026-09-29T12:00:09Z",
  "result": null,
  "error_message": "По вашему запросу не удалось получить результат. Пожалуйста, измените запрос или входные данные и попробуйте снова."
}

Проверка статуса

После создания операции сохраните id и проверяйте её статус запросом:

GET /api/v1/operations/{id}

cURL

curl -H "Authorization: Bearer brth_ваш_ключ" \
  https://bratuha.ru/api/v1/operations/op_uuid-123

JavaScript / TypeScript

const response = await fetch(
  'https://bratuha.ru/api/v1/operations/op_uuid-123',
  {
    headers: {
      Authorization: 'Bearer brth_ваш_ключ',
    },
  }
)

const data = await response.json()

Пока озвучка создаётся, status будет queued или processing. Опрашивайте статус раз в 5-10 секунд.

Формат результата

После успешного завершения result содержит один аудиофайл WAV (моно, 24 кГц, 16 бит):

• type всегда равен "audio";
• urls содержит одну ссылку на WAV;
• files дублирует ту же ссылку с именем файла.

В режиме dialogue обе роли звучат в одном общем файле, реплики идут в том порядке, в котором переданы в turns. Длительность зависит от длины текста и манеры: 113 символов русского текста звучат примерно 8-9 секунд, 5000 символов - около 5-6 минут.

Ценообразование

• 7 ₽ за 1000 символов с посимвольным расчётом: каждый символ стоит 0,007 ₽, итог округляется вверх до копейки.
• Считаются символы озвучиваемого текста: text в режиме single или сумма text всех реплик в режиме dialogue, включая пробелы, знаки препинания и вставки.
• style_instructions - и общая, и у реплик - в цену не входит. Голоса и режим на цену не влияют.
• Примеры: 100 символов - 0,70 ₽, 113 символов - 0,80 ₽, 1000 символов - 7 ₽, 5000 символов - 35 ₽.
• Сумма списывается при создании операции и видна в поле cost. Если операция завершилась с ошибкой, деньги возвращаются на баланс автоматически.

Ограничения и практические заметки

• POST /api/v1/operations не идемпотентен: каждый повторный запрос создаёт новую операцию и списывает деньги.
• Операция выполняется асинхронно: после queued проверяйте статус по id.
• Максимум 5000 символов озвучиваемого текста за запуск - в диалоге это сумма всех реплик. Больше, как и значения вне списков generation_type, voice, voice_1, voice_2 и speaker, вернёт validation_error ещё до создания операции.
• В диалоге нужно от 2 до 50 реплик. Собеседникам можно дать и один голос, но разные голоса звучат понятнее.
• voice_gender - фильтр голосов в форме сайта, в API его передавать не нужно. Если передадите male или female, выбранные голоса должны быть того же пола, иначе вернётся validation_error.
• Расставляйте знаки препинания: запятые, точки и вопросительные знаки задают паузы и интонацию.
• Длинный текст лучше делить на несколько запусков по абзацам: так проще перезапустить отдельный кусок, а на длинных однообразных текстах модель реже пропускает фразы.
• Похожая модель - Gemini 3.8 Flash Lite TTS (gemini-3-8-flash-lite-tts), 5 ₽ за 1000 символов, с теми же голосами и параметрами.