Gemini 3.8 Flash TTS Testbericht: 30 Stimmen und Regie im Skript
Ein oder zwei Stimmen pro Anfrage: bis zu 5.000 Zeichen Skript für eine Stimme oder bis zu 20 Dialogzeilen mit je 250 Zeichen für zwei.
Googles Gemini 3.8 Flash TTS, veröffentlicht im September 2026: Skript senden, eine von 30 Stimmen wählen und eine WAV-Datei zurückerhalten. Steuern Sie die Performance mit eingeklammerten Regieanweisungen wie [whispering] oder [sighs] direkt im Skript, und SpicyAPI fügt keinen Inhaltsfilter hinzu.
- Lydia
- Nicht selbst getestet · Katalog geprüft am 7. Okt. 2026
- Aktualisiert am 7. Okt. 2026
Unser Fazit
Für diesen Artikel wurden keine neuen kostenpflichtigen Beispiele erstellt. Veröffentlichte Beispiele zeigen jeweils einen bestimmten Ein- und Ausgang, keinen kontrollierten Modellvergleich. Die Illustration ist redaktionelles Bildmaterial, kein vom besprochenen Modell erzeugtes Testergebnis.
Was uns gefallen hat und was es bremst
Was uns gefallen hat
- Hörbücher und Langform-Erzählungen. Halten Sie Stimme und Regieanweisungen gleich und prüfen Sie beim Anhören die Übergänge zwischen Kapiteln. Vergleichen Sie jedes Kapitelende mit dem Skript, bevor Sie die Aufnahme zusammensetzen.
- Charakter- und Begleiterstimmen. Geben Sie einer Chat-Figur eine eigene Stimme. Eine [whispering]-Anweisung und kurze, gesprochen wirkende Sätze verwandeln einfachen Text in Zeilen, die wie für eine einzelne Person gemacht klingen.
Was es bremst
- Ein oder zwei Stimmen pro Anfrage: bis zu 5.000 Zeichen Skript für eine Stimme oder bis zu 20 Dialogzeilen mit je 250 Zeichen für zwei. Das Modell stoppt bei 16.384 Audio-Tokens pro Clip. Die Ausgabe ist eine einzige WAV-Datei (24 kHz, 16 Bit, Mono); es gibt keine Wort-Timings, keine Untertitel und keine anderen Formate. Angeboten werden nur die 30 vorgefertigten Stimmen – kein Cloning, kein Voice Design. Die Sprache des Skripts wird automatisch erkannt und lässt sich nicht erzwingen.
Was die Belege aussagen
Am 30. September 2026 führte die Artificial-Analysis-Rangliste für modellinterne Stimmen dieses genaue Modell mit 1268 Elo, einem 95-%-Intervall von 1252–1284 und 2261 Stimmen. Gemessen wird die Präferenz von Hörenden für die jeweils eigenen Modellstimmen. Das ist ein externer Modellbenchmark, kein Versuch mit diesem SpicyAPI-Endpunkt. Stimmen entsprechen nicht unabhängigen Skripten; ein Elo-Abstand ist kein prozentualer Qualitätsgewinn.
Für Natürlichkeit ist das ein Anhaltspunkt. Aussprache Ihres Fachwortschatzes, Ähnlichkeit einer Stimmenkopie, Konsistenz langer Texte, jede angebotene Sprache und die hiesige Antwortzeit sind damit nicht belegt. Prüfen Sie die Stimme und den Text, die Sie einsetzen wollen. Verwechseln Sie den Eintrag nicht mit ähnlich benannten HD-, Flash- oder älteren Varianten.
Ein sinnvoller erster Auftrag
Die folgende Eingabe orientiert sich an veröffentlichten Modellbeispielen und garantiert keine identischen Wiederholungen. Trennen Sie gesprochenen Text und Regieanweisungen, wenn separate Felder angeboten werden. Prüfen Sie zunächst einen normalen Satz, bevor Sie den Text verlängern. Mehr Adjektive beheben selten eine unklare Anweisung.
{
"text": "[whispers] Come closer. I wasn't going to say this tonight... but I've been thinking about you all week.",
"voice_id": "Kore"
}Beginnen Sie mit dem Abschnitt, der über die Abnahme entscheidet: einem Namen, einer schwierigen Zahl oder einem Satz mit wechselnder Emotion. Vergleichen Sie das Ergebnis bis zum Schluss mit dem Original. Halten Sie die Eingabe konstant und ändern Sie jeweils nur eine Einstellung. Eine angenehme Stimme beweist noch nicht, dass jedes Wort erhalten geblieben ist.
Prüfen Sie vor dem Absenden das aktuelle Angebot auf der Modell-Aufgabenseite. Abrechnung je Zeichen, Sekunde oder Anfrage lässt sich nicht allein anhand des Einstiegspreises vergleichen. Verwenden Sie denselben Text oder dieselbe Aufnahme als Grundlage und rechnen Sie nötige Konvertierung und Ausrichtung mit ein.
So wählen Sie eine Alternative
Wählen Sie zuerst nach einer fehlenden Funktion. Eine Alternative sollte ein konkretes Hindernis beseitigen: Stimmenwahl, längere Texte, Regie oder eine passende Transkription. Ein neuerer Name genügt nicht. Die folgenden aktuellen Seiten nennen Aufgaben und Abrechnungseinheiten.
Was Gemini 3.8 Flash TTS auf SpicyAPI kann
Direkt aus der aktuellen Modellspezifikation auf SpicyAPI. Manche Hersteller bieten in ihren eigenen Apps mehr; hier steht, was Sie heute über unsere API aufrufen können.
| Merkmal | Text zu Sprache |
|---|---|
| Seed-Steuerung | Nein |
| Negativ-Prompt | Nein |
Was meinen Sie?
War dieses Review hilfreich?
Melden Sie sich an, um abzustimmen.
Kommentare
Kommentare werden automatisch und von unserem Team geprüft. Wir entfernen Spam, anstößige Inhalte, persönliche Angriffe und alles, was eine reale Person ohne Einwilligung nennt. Melden Sie einen Kommentar, prüfen wir ihn innerhalb eines Werktags.
Sie haben dieses Modell ausprobiert? Teilen Sie, was funktioniert hat. Zum Kommentieren brauchen Sie ein kostenloses Konto – so halten wir Spam draußen.
FAQ zu Gemini 3.8 Flash TTS
Gemini 3.8 Flash TTS selbst ausprobieren
Stellen Sie im Playground jeden Parameter ein und sehen Sie den genauen Preis, bevor Sie starten.
Weitere Reviews
Zu den Ranglisten →
Gemini 3.8 Flash-Lite TTS
Ein oder zwei Stimmen pro Anfrage: bis zu 5.000 Zeichen Skript für eine Stimme oder bis zu 20 Dialogzeilen mit je 250 Zeichen für zwei.
Nicht selbst getestet · Katalog geprüft am 7. Okt. 2026
Review lesen
Seed Speech 2.0
Eine Stimme pro Anfrage, bis zu 5.000 Zeichen Skript.
Nicht selbst getestet · Katalog geprüft am 7. Okt. 2026
Review lesen
Grok TTS
Eine Stimme pro Anfrage, bis zu 15.000 Zeichen Skript.
Nicht selbst getestet · Katalog geprüft am 7. Okt. 2026
Review lesen