Dernière mise à jour: 13 octobre 2026

Gemini 3.8 Flash TTS : prix, voix et guide de l’API

Google a lancé Gemini 3.8 Flash TTS et Gemini 3.8 Flash-Lite TTS le 23 septembre 2026. Flash TTS est le modèle expressif pour la narration, les livres audio et les voix de personnages ; Flash-Lite TTS est le plus économique, pour le doublage et les agents vocaux. Cette page couvre le prix à l’heure, les voix, le code et les limites à connaître avant de bâtir dessus.

Gemini 3.8 Flash TTS en un coup d’œil

Source: Page du modèle Gemini 3.8 Flash TTS

Source: Annonce de lancement TTS de Google

Prix de Gemini 3.8 Flash TTS

La sortie audio est facturée à 25 tokens par seconde, ce qui rend le prix à l’heure facile à calculer. Les prix de lancement s’appliquent jusqu’au 31 décembre 2026 ; les prix standard entrent en vigueur le 1er janvier 2027.

Les montants à l’heure sont nos calculs à partir des prix par token de Google et n’incluent pas le faible coût du texte en entrée. L’offre gratuite couvre les deux modèles ; les entrées de l’offre gratuite peuvent servir à améliorer les produits Google.

Source: Tarifs de la Gemini API

Exemple en Python

1. Créez une clé dans Google AI Studio et enregistrez-la sous GEMINI_API_KEY.
2. pip install -U google-genai.
3. Placez les mots à prononcer dans text et l’interprétation (émotion, rythme, ton) dans l’annotation style, pas dans le texte.
4. Choisissez une voix et écrivez l’audio en base64 dans un fichier .wav.

# 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))

Source: Documentation sur la génération vocale

Exemple avec curl

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

Source: Documentation sur la génération vocale

Dialogue à deux voix et indications en ligne

Nommez chaque locuteur une fois dans speech_config, puis associez chaque réplique à son locuteur et, si besoin, à un style. Les événements brefs se placent directement dans le texte : <laughs>, <sigh>, <gasp>, <short pause>, ainsi que des sons d’acquiescement comme |mhm| ou |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"}]},
]}]

Le texte est lu comme un script mot pour mot : des indications de mise en scène écrites dans le texte lui-même risquent d’être prononcées. Gardez-les dans style.

Source: Documentation sur la génération vocale

Source: Annonce de lancement TTS de Google

Voix, conception de voix et clonage vocal

• 30 voix prédéfinies comme Kore, Puck, Zephyr et Charon, plus une bibliothèque étendue de 2,000+ voix de production avec des accents régionaux (espagnol mexicain, français québécois, anglais écossais et d’autres).
• Conception de voix : décrivez une voix en langage courant (rôle, accent, caractère) et enregistrez-la pour la réutiliser.
• Reproduction de voix : clonez une voix à partir d’un échantillon d’environ 30 secondes, avec vérification du consentement, filigrane SynthID et identifiants C2PA.
• Dans AI Studio, la reproduction de voix n’est pas disponible dans l’Illinois, au Texas, dans l’EEE, au Royaume-Uni, en Suisse ni en Inde.

Source: Annonce de lancement TTS de Google

Source: Page du modèle Gemini 3.8 Flash TTS

Quelle qualité ?

Google cite le Voice Design Benchmark de Hume AI, où Flash TTS se classe premier avec 71.4 au global et 60.8 sur la modélisation des accents, ainsi que les première et deuxième places (Flash, puis Flash-Lite) sur l’indice de qualité global de Hume. Dans les tests à l’aveugle de Voice Arena, les deux modèles figurent près du sommet en japonais, portugais brésilien, vietnamien, arabe, espagnol mexicain et hindi. Ce sont des résultats cités par l’éditeur : écoutez votre propre script avant de choisir.

Source: Annonce de lancement TTS de Google

Flash TTS ou Flash-Lite TTS ?

• Flash TTS. Livres audio, podcasts, publicités et personnages de jeux, quand l’interprétation compte plus que le prix.
• Flash-Lite TTS. Agents vocaux, doublage et notifications en grand volume, environ un tiers moins cher à l’heure.
• Aucun des deux. Conversations vocales bidirectionnelles en direct : utilisez plutôt les modèles Live API de Google ; les modèles TTS ne le permettent pas.

Guide de l’API Gemini 3.8 Flash · Prix de tous les modèles

Source: Annonce de lancement TTS de Google

Source: Page du modèle Gemini 3.8 Flash TTS

Guide indépendant, sans lien avec Google ni Anthropic. Les prix et les benchmarks évoluent : consultez les pages officielles en lien avant de fixer un budget.