Was ist Gemini 3.8 Flash TTS?
Gemini 3.8 Flash TTS und Gemini 3.8 Flash-Lite TTS sind seit dem 22. September 2026 allgemein in der Gemini API verfügbar, zusammen mit einem neuen Voices-Endpunkt. Du kannst eine Stimme anhand einer Textbeschreibung entwerfen, eine Stimme aus einer 30-Sekunden-Probe plus einer gesprochenen Einwilligung nachbilden, die Betonung Zeile für Zeile vorgeben und Tags wie Lachen oder Seufzen einfügen. Flash-Lite ersetzt gemini-3.1-flash-tts-preview.
Flash TTS deckt mehr als 130 Sprachen ab und zielt auf Hörbücher, Spiele und Podcasts; Flash-Lite deckt mehr als 100 ab und zielt auf Synchronisation und Sprachagenten. Jede Ausgabe trägt Googles SynthID-Wasserzeichen, nachgebildete Stimmen erhalten zusätzlich C2PA-Nachweise. Das Nachbilden von Stimmen in AI Studio wird in Illinois, Texas, dem EWR, Großbritannien, der Schweiz und Indien nicht angeboten.
Was kostet Gemini 3.8 Flash TTS?
| Tarif | Preis | Was enthalten ist |
|---|---|---|
| Flash TTS | $0.50 per 1M text tokens in, $9 per 1M audio tokens out | Etwa 0,81 $ pro Stunde Audio; verdoppelt sich am 1. Jan. 2027 |
| Flash-Lite | $6 per 1M audio tokens out |
Flash TTS: 0,50 $ pro 1 Mio. Text-Tokens Input, 9 $ pro 1 Mio. Audio-Tokens Output (etwa 0,81 $ pro Stunde Audio) bis 31. Dez. 2026, ab 1. Jan. 2027 das Doppelte. Flash-Lite: 6 $ pro 1 Mio. Audio-Tokens Output. Batch zum halben Preis; kostenlose Stufe in AI Studio.
Lohnt sich Gemini 3.8 Flash TTS?
Gemini 3.8 Flash TTS kommt nah an ElevenLabs heran, zu einem Bruchteil der Kosten, zumindest bis Januar. Artificial Analysis führt es in seiner Sprach-Arena auf Platz fünf mit 1278 Elo für 16,50 $ pro Million Zeichen; Eleven v4 Turbo führt mit 1335 für 40 $, Eleven v4 ist Zweiter für 80 $. Flash-Lite TTS liegt mit 1251 für 11 $ auf Platz acht.
Der Preisvorteil ist befristet. Googles Preisseite garantiert die aktuellen Sätze nur bis zum 31. Dezember 2026, und jede Position verdoppelt sich am 1. Januar. Damit landet Flash TTS nach der Rechnung von Artificial Analysis bei rund 33 $ pro Million Zeichen, und der Abstand zu Eleven v4 Turbo schrumpft auf wenige Dollar. Alibabas Qwen-Audio-3.1-TTS-Plus liegt schon jetzt für 19,30 $ darüber.
Googles Ankündigung stützt sich auf die Benchmarks von Hume AI, bei denen Flash TTS laut Google beim Voice Design (71,4) und bei der Gesamtqualität auf Platz eins liegt. Humes eigener Bericht bestätigt den Vorsprung beim Voice Design und einen ersten Platz in der neuen kombinierten Wertung, sieht Flash TTS beim Nachbilden von Stimmen aber nur auf Platz elf und legt offen, dass Hume eine Lizenzvereinbarung mit Google hat. In den Blindabstimmungen von Artificial Analysis liegen vier Modelle davor.
Die technischen Grenzen zeigen sich bei Dialogen. Eine Anfrage verarbeitet zwei Sprecher mit vorgefertigten Stimmen; entworfene oder nachgebildete Stimmen müssen Wortbeitrag für Wortbeitrag erzeugt und als Roh-Audio zusammengesetzt werden. Gespeicherte eigene Stimmen sind auf 200 pro Projekt begrenzt und verfallen ein Jahr nach der letzten Nutzung. Ein Spielestudio mit großer Besetzung braucht also eine eigene Ablage aller Stimm-Prompts.
Wo es sich lohnt
Ein Hörbuchproduzent, der im Jahr 200 Titel mit jeweils etwa 10 Stunden einspricht
Backlist-Titel mit einer einheitlichen, entworfenen Stimme vertonen
Entwirf den Erzähler einmal, speichere ihn und erzeuge die Kapitel über die Batch API: 2.000 Stunden kosten zu Batch-Preisen derzeit etwa 810 $ und ab Januar etwa 1.620 $.
Ein Entwickler von Sprachagenten, der auf LiveKit oder Pipecat aufbaut
Günstige Sprachausgabe für einen Telefonagenten
Nutze Flash-Lite TTS mit Streaming und fordere für die Telefonie audio/mulaw mit 8 kHz an. Der Output kostet derzeit etwa 0,54 $ pro Stunde Sprache und ab Januar 1,08 $.
Eine Lokalisierungsagentur, die Schulungsvideos in 30 Sprachen synchronisiert
In großen Mengen synchronisieren, ohne einen Sprecher pro Sprache
Flash-Lite deckt mehr als 100 Sprachen ab; bei 0,54 $ pro Stunde kosten 1.000 Stunden synchronisiertes Audio vor Januar etwa 540 $. Das Nachbilden von Stimmen wird Nutzern in Großbritannien und im EWR in AI Studio nicht angeboten, plane dort also mit Bibliotheks- oder entworfenen Stimmen.
Bevor du dich festlegst
- Einrichtung
- Ein API-Schlüssel aus AI Studio und google-genai 2.25.0+ (Python) oder @google/genai 2.24.0+ (JavaScript); Aufrufe ohne Streaming liefern WAV in Mono mit 24 kHz.
- Integrationen
- Gemini API mit einem Voices-Endpunkt (/v1beta/voices) für Design und Nachbildung; Google nennt Agora, LiveKit, Pipecat und Vercel als Plattformen sowie Google Vids und Gemini Notebook für Endnutzer.
- Daten und Datenschutz
- Text und Audio aus der kostenlosen Stufe dürfen zur Verbesserung von Googles Produkten genutzt werden, Daten aus der bezahlten Stufe nicht. Apps für den EWR, Großbritannien oder die Schweiz müssen bezahlte Dienste nutzen. Sämtliches Audio trägt ein SynthID-Wasserzeichen.
- Kosten im großen Maßstab
- Audio wird mit 25 Tokens pro Sekunde abgerechnet: Flash TTS kostet derzeit etwa 0,81 $ pro Stunde und ab Januar 1,62 $, Flash-Lite 0,54 $ und 1,08 $. Batch und Flex halbieren beides.
- Grenzen
- Zwei Sprecher pro Anfrage mit vorgefertigten Stimmen; 200 gespeicherte Stimmen pro Projekt, die ein Jahr nach der letzten Nutzung erhalten bleiben; zustandslose Schlüssel für nachgebildete Stimmen verfallen nach 7 Tagen. Rate Limits werden nur in AI Studio angezeigt.
Was gut ist
- Platz fünf in der Sprach-Arena von Artificial Analysis für 16,50 $ pro Million Zeichen
- Voice Design aus einer Textbeschreibung
- Nachbilden von Stimmen mit gesprochener Einwilligungsprüfung
- Flash-Lite für 11 $ pro Million Zeichen für große Mengen
- Batch halbiert den Preis
Was nicht
- Jeder Preis verdoppelt sich am 1. Januar 2027
- Nachbilden von Stimmen im EWR, in Großbritannien, der Schweiz, Indien, Illinois und Texas nicht verfügbar
- Nur zwei Sprecher mit vorgefertigten Stimmen pro Anfrage
- In Blindabstimmungen hinter Eleven v4, Qwen-Audio 3.1 und Sonic 3.6
Am besten für
Entwickler, die lange Erzähltexte oder mehrsprachige Synchronisationen produzieren, Qualität nahe der Spitze wollen und die Preiserhöhung im Januar verkraften können.
Alternativen zu Gemini 3.8 Flash TTS
Gemini 3.8 Flash TTS: häufige Fragen
- Lohnt sich Gemini 3.8 Flash TTS?
- Fünfter in Blindabstimmungen zu weniger als der Hälfte des Preises von Eleven v4 Turbo: Gemini 3.8 Flash TTS ist ein Schnäppchen mit Ablaufdatum am 1. Januar. Wir bewerten es mit 4.5 von 5.
- Was kostet Gemini 3.8 Flash TTS?
- Flash TTS: 0,50 $ pro 1 Mio. Text-Tokens Input, 9 $ pro 1 Mio. Audio-Tokens Output (etwa 0,81 $ pro Stunde Audio) bis 31. Dez. 2026, ab 1. Jan. 2027 das Doppelte. Flash-Lite: 6 $ pro 1 Mio. Audio-Tokens Output. Batch zum halben Preis; kostenlose Stufe in AI Studio.
- Welche Nachteile hat Gemini 3.8 Flash TTS?
- Jeder Preis verdoppelt sich am 1. Januar 2027; Nachbilden von Stimmen im EWR, in Großbritannien, der Schweiz, Indien, Illinois und Texas nicht verfügbar; Nur zwei Sprecher mit vorgefertigten Stimmen pro Anfrage; In Blindabstimmungen hinter Eleven v4, Qwen-Audio 3.1 und Sonic 3.6.
- Für wen eignet sich Gemini 3.8 Flash TTS?
- Entwickler, die lange Erzähltexte oder mehrsprachige Synchronisationen produzieren, Qualität nahe der Spitze wollen und die Preiserhöhung im Januar verkraften können.
- Was kostet Gemini 3.8 Flash TTS für ein Team oder im Produktivbetrieb?
- Audio wird mit 25 Tokens pro Sekunde abgerechnet: Flash TTS kostet derzeit etwa 0,81 $ pro Stunde und ab Januar 1,62 $, Flash-Lite 0,54 $ und 1,08 $. Batch und Flex halbieren beides.
- Ist Gemini 3.8 Flash TTS sicher für Firmendaten?
- Text und Audio aus der kostenlosen Stufe dürfen zur Verbesserung von Googles Produkten genutzt werden, Daten aus der bezahlten Stufe nicht. Apps für den EWR, Großbritannien oder die Schweiz müssen bezahlte Dienste nutzen. Sämtliches Audio trägt ein SynthID-Wasserzeichen.
- Was sind die besten Alternativen zu Gemini 3.8 Flash TTS?
- Die nächsten Alternativen, die wir getestet haben, sind Eleven v4 and v4 Turbo und Cartesia Sonic 3.6.
Antworten geprüft am 26. Okt. 2026.