Zuletzt aktualisiert: 13. Oktober 2026

Gemini 3.8 Flash TTS: Preise, Stimmen und API-Anleitung

Google hat Gemini 3.8 Flash TTS und Gemini 3.8 Flash-Lite TTS am 23. September 2026 veröffentlicht. Flash TTS ist das ausdrucksstarke Modell für Erzählungen, Hörbücher und Charakterstimmen; Flash-Lite TTS ist die günstigere Variante für Synchronisation und Voice Agents. Diese Seite behandelt den Preis pro Stunde, Stimmen, Code und die Limits, die Sie kennen sollten, bevor Sie darauf aufbauen.

Gemini 3.8 Flash TTS im Überblick

Quelle: Modellseite Gemini 3.8 Flash TTS

Quelle: Google-Launch-Beitrag zu TTS

Gemini 3.8 Flash TTS Preise

Audio-Output wird mit 25 Tokens pro Sekunde abgerechnet, daher lässt sich der Preis pro Stunde leicht berechnen. Die Einführungspreise gelten bis zum 31. Dezember 2026; die Standardpreise ab dem 1. Januar 2027.

Die Stundenwerte sind unsere eigene Berechnung aus Googles Preisen pro Token und enthalten nicht die geringen Kosten für den Text-Input. Die kostenlose Stufe deckt beide Modelle ab; Inputs aus der kostenlosen Stufe können zur Verbesserung von Google-Produkten verwendet werden.

Quelle: Gemini API Preise

Python-Beispiel

1. Erstellen Sie einen Schlüssel in Google AI Studio und speichern Sie ihn als GEMINI_API_KEY.
2. pip install -U google-genai.
3. Schreiben Sie die zu sprechenden Wörter in text und die Vortragsweise (Emotion, Tempo, Ton) in die style-Annotation, nicht in den Text.
4. Wählen Sie eine Stimme und schreiben Sie das base64-Audio in eine .wav-Datei.

# pip install -U google-genai
import base64
from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-3.8-flash-tts",
    input=[{
        "type": "user_input",
        "content": [{
            "type": "text",
            "text": "Have a wonderful day! <short pause> See you tomorrow.",
            "annotations": [{"type": "speech_metadata", "style": "cheerful and friendly"}],
        }],
    }],
    response_format={"type": "audio"},
    generation_config={"speech_config": [{"voice": "Kore"}]},
)

with open("out.wav", "wb") as f:
    f.write(base64.b64decode(interaction.output_audio.data))

Quelle: Doku zur Sprachgenerierung

curl-Beispiel

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-3.8-flash-tts",
    "input": [{
      "type": "user_input",
      "content": [{
        "type": "text",
        "text": "Have a wonderful day!",
        "annotations": [{ "type": "speech_metadata", "style": "cheerful and friendly" }]
      }]
    }],
    "response_format": { "type": "audio" },
    "generation_config": { "speech_config": [{ "voice": "Kore" }] }
  }' | jq -r '[.steps[] | select(.type=="model_output") | .content[] | select(.type=="audio")] | last | .data' \
     | base64 --decode > out.wav

Quelle: Doku zur Sprachgenerierung

Dialog mit zwei Sprechern und Inline-Hinweise

Benennen Sie jeden Sprecher einmal in speech_config und versehen Sie dann jeden Redebeitrag mit seinem Sprecher und optional einem Stil. Kurze Ereignisse stehen direkt im Text: <laughs>, <sigh>, <gasp>, <short pause> sowie Hörersignale wie |mhm| oder |yeah|.

# Two speakers in one request (the most a request allows with prebuilt voices)
generation_config={"speech_config": {"speakers": [
    {"speaker": "Host", "voice": "Kore"},
    {"speaker": "Guest", "voice": "Puck"},
]}}

input=[{"type": "user_input", "content": [
    {"type": "text", "text": "Welcome back to the show. <laughs> Big week.",
     "annotations": [{"type": "speech_metadata", "speaker": "Host", "style": "warm, upbeat"}]},
    {"type": "text", "text": "|mhm| It really was.",
     "annotations": [{"type": "speech_metadata", "speaker": "Guest", "style": "relaxed"}]},
]}]

Der Text wird als wörtliches Skript gelesen, daher können Regieanweisungen, die im Text selbst stehen, laut vorgelesen werden. Schreiben Sie sie in style.

Quelle: Doku zur Sprachgenerierung

Quelle: Google-Launch-Beitrag zu TTS

Stimmen, Voice Design und Stimmklonen

• 30 vorgefertigte Stimmen wie Kore, Puck, Zephyr und Charon, dazu eine erweiterte Bibliothek mit 2,000+ Produktionsstimmen mit regionalen Akzenten (mexikanisches Spanisch, Québec-Französisch, schottisches Englisch und mehr).
• Voice Design: Beschreiben Sie eine Stimme in natürlicher Sprache (Rolle, Akzent, Charakter) und speichern Sie sie zur Wiederverwendung.
• Stimmnachbildung: Klonen Sie eine Stimme aus einer etwa 30-sekündigen Probe, mit Einwilligungsprüfung, SynthID-Wasserzeichen und C2PA-Nachweisen.
• In AI Studio ist die Stimmnachbildung in Illinois, Texas, dem EWR, dem Vereinigten Königreich, der Schweiz und Indien nicht verfügbar.

Quelle: Google-Launch-Beitrag zu TTS

Quelle: Modellseite Gemini 3.8 Flash TTS

Wie gut ist es?

Google verweist auf den Voice Design Benchmark von Hume AI, in dem Flash TTS mit 71.4 insgesamt und 60.8 bei der Akzentmodellierung auf Platz eins liegt, sowie auf die Plätze eins und zwei (Flash, dann Flash-Lite) in Humes Gesamtqualitätsindex. In Blindtests von Voice Arena liegen beide Modelle auf Japanisch, brasilianischem Portugiesisch, Vietnamesisch, Arabisch, mexikanischem Spanisch und Hindi nahe der Spitze. Das sind vom Anbieter zitierte Ergebnisse; hören Sie sich Ihr eigenes Skript an, bevor Sie sich entscheiden.

Quelle: Google-Launch-Beitrag zu TTS

Flash TTS oder Flash-Lite TTS?

• Flash TTS. Hörbücher, Podcasts, Werbung und Spielfiguren, bei denen die Vortragsweise wichtiger ist als der Preis.
• Flash-Lite TTS. Voice Agents, Synchronisation und Benachrichtigungen in großer Menge, pro Stunde etwa ein Drittel günstiger.
• Keins von beiden. Live-Sprachgespräche in beide Richtungen: Nutzen Sie dafür Googles Live-API-Modelle; die TTS-Modelle unterstützen das nicht.

Gemini 3.8 Flash API-Anleitung · Preise aller Modelle

Quelle: Google-Launch-Beitrag zu TTS

Quelle: Modellseite Gemini 3.8 Flash TTS

Unabhängiger Leitfaden, nicht mit Google oder Anthropic verbunden. Preise und Benchmarks ändern sich; prüfen Sie die verlinkten offiziellen Seiten, bevor Sie ein Budget festlegen.