رفتن به محتوا
سارویتوسعه‌دهندگان
مدل‌ها ←

Google

Gemini 3.8 Flash Lite TTS

فارسی و چندزبانه · انتخاب مناسب نریشن

امتحان در آزمایشگاه
کاربردمتن به گفتار
دسترسیهمهٔ طرح‌ها با اعتبار کافی
پنجرهٔ زمینهٔ ارائه‌دهنده۳۲٬۷۶۸ توکن
هزینه در سارویاز اعتبار مشترک حساب

این مدل را برای چه کاری انتخاب کنم؟

فارسی و چندزبانه · انتخاب مناسب نریشن. پیش از استفادهٔ گسترده، چند نمونه از ورودی واقعی محصول خودت را در آزمایشگاه مقایسه کن.

روایت متنراهنمای صوتی محصولمحتوای آموزشی

تنظیمات همین مدل

مسیرPOST /v1/studio/audio
قالب خروجیwav؛ pcm خام هم برای برنامه‌های تخصصی قابل درخواست است.
راهنمای لحنinstructions؛ جدا از متن خوانده‌شده
گوینده‌ها در هر درخواستتا ۸ صدای متفاوت با turns
سرعت عددیspeed: 1؛ برای Gemini آهنگ و سرعت خواندن را در instructions توضیح دهید.
همهٔ ۳۰ صدای قابل انتخاب
Kore · محکم KoreZephyr · روشن ZephyrPuck · پرانرژی PuckCharon · توضیحی CharonFenrir · هیجان‌انگیز FenrirLeda · جوان LedaAoede · سبک و روان AoedeOrus · محکم OrusCallirrhoe · راحت CallirrhoeAutonoe · روشن AutonoeEnceladus · نفس‌آلود EnceladusIapetus · شفاف IapetusUmbriel · راحت UmbrielAlgieba · نرم و روان AlgiebaDespina · نرم و روان DespinaErinome · شفاف ErinomeAlgenib · خش‌دار AlgenibRasalgethi · توضیحی RasalgethiLaomedeia · پرانرژی LaomedeiaAchernar · ملایم AchernarAlnilam · محکم AlnilamSchedar · یکنواخت SchedarGacrux · پخته GacruxPulcherrima · رسا PulcherrimaAchird · دوستانه AchirdZubenelgenubi · خودمانی ZubenelgenubiVindemiatrix · لطیف VindemiatrixSadachbia · سرزنده SadachbiaSadaltager · آگاه SadaltagerSulafat · گرم Sulafat

در گفت‌وگو، text اختیاری است و اگر حذف شود از مجموع نوبت‌ها ساخته می‌شود؛ turns نوبت‌های واقعی را به ترتیب می‌فرستد. تا دو صدا: حداکثر ۴۰ نوبت و ۱۲٬۰۰۰ نویسه. سه تا هشت صدا: حداکثر ۱۲ نوبت و ۴٬۰۰۰ نویسه؛ ساروی نوبت‌ها را جداگانه می‌سازد و یک فایل WAV تحویل می‌دهد. هزینه مجموع نوبت‌ها یک‌بار محاسبه می‌شود. در صورت شکست، خروجی ناقص تحویل نمی‌شود و اعتبار رزروشده آزاد می‌شود.

{
  "model": "google/gemini-3.8-flash-lite-tts",
  "text": "سلام! خوش آمدی.",
  "instructions": "Warm and friendly Persian",
  "voice": "Kore",
  "format": "wav",
  "turns": [
    {
      "text": "سلام!",
      "voice": "Kore"
    },
    {
      "text": "خوش آمدی.",
      "voice": "Puck",
      "instructions": "cheerful"
    },
    {
      "text": "من هم آماده‌ام.",
      "voice": "Charon"
    }
  ]
}

درخواست آماده

شناسهٔ دقیق مدل را کپی کن و کلید ساروی را در متغیر محیطی سرورت قرار بده.

Model ID
google/gemini-3.8-flash-lite-tts
Python
import json, os, urllib.request, urllib.error

payload = {
    "model": "google/gemini-3.8-flash-lite-tts",
    "text": "به ساروی خوش آمدید.",
    "voice": "Kore",
    "format": "wav",
    "instructions": "Warm and friendly Persian"
}

request = urllib.request.Request(
    "https://api.sarovi.ir/v1/studio/audio",
    data=json.dumps(payload, ensure_ascii=False).encode("utf-8"),
    headers={
        "Authorization": "Bearer " + os.environ["SAROVI_API_KEY"],
        "Content-Type": "application/json"
    },
    method="POST"
)
try:
    with urllib.request.urlopen(request, timeout=300) as response:
        result = json.load(response)
        print(result)
except urllib.error.HTTPError as error:
    detail = json.load(error)
    raise RuntimeError(f"{error.code}: {detail['error'].get('code', detail['error'].get('type', 'HTTP_ERROR'))}") from error

کلید را در متغیر محیطی SAROVI_API_KEY قرار بده. بدون نصب کتابخانه؛ با Python استاندارد.

امکان‌ها در API ساروی

مسیر اصلیPOST /v1/studio/audio
خروجیصدای Base64 همراه نوع فایل
جریان پاسخخروجی JSON؛ ویدیو با پیگیری وضعیت
دستورالعمل نقشدر متن prompt یا text
صورتحسابرزرو اعتبار، سپس تسویهٔ مصرف در دفتر حساب ساروی

فراخوانی ابزار و JSON Schema برای مدل‌های پشتیبان از مسیر chat/completions و قرارداد پیشرفتهٔ responses در دسترس‌اند. قابلیت‌های ارائه‌دهنده و محدودیت‌های هر مسیر را پیش از اجرا بررسی کنید.