Gemini 3.8 Flash TTS vs Gemini 3.8 TTS: uno de estos nombres no es un modelo

No existe ningún modelo llamado Gemini 3.8 TTS. La documentación de generación de voz del proveedor enumera exactamente dos endpoints de texto a voz en esta generación — gemini-3.8-flash-tts, al que la documentación denomina Gemini 3.8 Flash TTS, y gemini-3.8-flash-lite-tts, denominado Gemini 3.8 Flash-Lite TTS — y ambos se lanzaron el 23 de septiembre de 2026. «Gemini 3.8 TTS» es el término paraguas que la cobertura del lanzamiento usa para el par, incluso en el propio título de la publicación del proveedor. Así que esto no es una comparación entre dos productos, y quien te diga que lo es no ha abierto la documentación.

Lo que la consulta realmente señala es una decisión real, y más interesante de lo que sugiere el nombre: ¿a qué miembro de la familia deberías llamar? En el tablero independiente, los dos quedan dentro de los márgenes de error del otro, y uno de ellos cuesta un tercio menos. Esa es la comparación que vale la pena hacer, así que hagámosla bien — y luego ocupémonos del tercer nombre que no deja de colarse en la misma conversación.

A qué resuelve cada nombre

La prueba decisiva no es lo que dice un resultado de búsqueda. Es si la cadena se resuelve en un endpoint con una tarifa y una fila en la tabla de clasificación, y en esa prueba los dos nombres se separan con claridad.

• Gemini 3.8 TTS — sin identificador de modelo, sin entrada en modelos compatibles, sin precio publicado, sin fila en Artificial Analysis. Nombra un lanzamiento y una línea de producto, no algo a lo que puedas llamar.

• Gemini 3.8 Flash TTS — ID del modelo gemini-3.8-flash-tts, 130 idiomas, disponible de forma general en la API de Gemini, segundo en el Artificial Analysis Provider Voice Arena.

• Gemini 3.8 Flash-Lite TTS — ID de modelo gemini-3.8-flash-lite-tts, 101 idiomas, disponibilidad general, sexto en la misma tabla, y descrito por Google como el caballo de batalla que sustituye al modelo en versión preliminar al que reemplaza.

Ambos endpoints reales usan el mismo esquema de API y el mismo formato de prompting, por lo que la elección entre ellos es un valor de configuración y no una decisión arquitectónica. El error que hay que evitar es tratar el paraguas como una tercera opción y esperar a que aparezca; no hay nada que esperar.

La decisión que el nombre paraguas oculta

Una vez resuelta la nomenclatura, la pregunta que realmente se plantea un comprador es si vale la pena la gama más cara. El argumento de calidad a favor de Flash TTS frente a Flash-Lite TTS es más débil de lo que sugiere la diferencia de precio, y el ranking lo dice con más claridad que cualquier reseña.

En el Artificial Analysis Provider Voice Arena, registrado para este artículo el 24 de septiembre de 2026, Gemini 3.8 Flash TTS ocupa el segundo puesto con un Elo de 1.260 y un intervalo de 17 puntos, medido sobre 1.999 muestras. Gemini 3.8 Flash-Lite TTS ocupa el sexto puesto con 1.235 y un intervalo de 16 puntos sobre 2.000 muestras. Si se examinan los intervalos, la conclusión es inequívoca: Flash TTS abarca de 1.243 a 1.277, Flash-Lite TTS abarca de 1.219 a 1.251, y esos rangos se superponen entre 1.243 y 1.251. Veinticinco puntos de Elo parecen una brecha en una tabla y son indistinguibles del ruido en una prueba de escucha a ciegas con estos tamaños de muestra.

Ahora pon el precio al lado.

• Precio de lista — Flash TTS cuesta $9.00 por millón de tokens de audio hasta el 31 de diciembre de 2026, y después $18.00; Flash-Lite TTS cuesta $6.00, y después $12.00. La entrada de texto cuesta $0.50 por millón en ambos. La diferencia entre niveles es del 33 por ciento de la factura de audio, en ambas ventanas.

• Tarifa normalizada — Artificial Analysis convierte ambas a una base por millón de caracteres para que los modelos que facturan en unidades diferentes puedan clasificarse juntos, y asigna $16.5 a Flash TTS y $11.0 a Flash-Lite TTS. La misma diferencia del 33 por ciento, medida de otra manera.

• Batch y Priority — Batch y Flex cuestan $0.25 de entrada y $4.50 de salida en Flash TTS frente a $0.25 y $3.00 en Flash-Lite TTS; Priority cuesta $0.90 y $16.20 frente a $0.90 y $10.80.

• Lo que realmente difiere: 130 idiomas frente a 101, y el posicionamiento creativo completo frente al de alto volumen. La tabla de modelos compatibles de Google enumera la síntesis de un solo hablante, la síntesis de varios hablantes, el diseño de voz y la replicación de voz como disponibles en ambos.

Leído en su conjunto, eso es un argumento más débil a favor del nivel premium de lo que da a entender el marketing, y es una respuesta mejor de lo que merece el nombre paraguas. Paga el 33 por ciento si tu script abarca un idioma fuera de los 101, o si has escuchado ambos y prefieres uno. No lo pagues porque una tabla muestre un número más alto, ya que los números se solapan.

El tercer nombre que sigue siendo incorporado

Hay una segunda colisión por debajo de esta, y produce más consejos malos que la primera. Google lanzó dos productos de audio con ocho días de diferencia en septiembre, y no son en absoluto el mismo tipo de cosa.

Gemini 3.8 Flash TTS es un modelo de texto a voz: texto de entrada, audio de salida, en los endpoints TTS de la API de Gemini, diseñado para «escenarios que requieren una recitación exacta del texto con un control preciso del estilo y el sonido». Gemini 3.8 Live es un sistema de voz a voz en la Live API, lanzado el 15 de septiembre de 2026, diseñado para audio interactivo no estructurado con entrada multimodal y llamadas a herramientas ejecutándose en segundo plano. La propia documentación de Google traza la línea explícitamente, y es la línea correcta: uno lee un guion, el otro mantiene una conversación.

Los dos se acaban fusionando de todos modos, en resúmenes que describen «Gemini 3.8 TTS» como un producto de agente de voz, lo que lleva a la gente a evaluar un modelo de narración con un presupuesto de latencia para el que nunca fue diseñado. Si lo que necesitas es una línea de soporte que conteste el teléfono y oiga al interlocutor interrumpir, Flash TTS es el producto equivocado, independientemente del nivel — y si lo que necesitas son 40.000 palabras de audiolibro con un tono de sala consistente, Live API es el equivocado. Decidir cuál de esas cosas estás construyendo es una decisión mucho más importante que el nivel que elijas, y es la que te cuesta la confusión de nombres.

Una tercera cadena, gemini-3.8-flash, también aparece en la página de documentación de TTS, como el modelo de texto utilizado para generar transcripciones. No es un modelo de voz. Ese al menos es fácil de detectar.

Elegir, y mantener barata la opción

La decisión de nivel en sí es una cadena. Ambos endpoints comparten un esquema, comparten la biblioteca de voces, comparten el diseño de voces y responden en el mismo endpoint de voz con la misma autenticación, así que cambiar es un cambio de una sola línea y una nueva ejecución; lo que significa que la forma más barata de resolverlo es generar el mismo guion dos veces y escuchar, en lugar de discutir a partir de una tabla de clasificación.

Lo que hace que eso sea barato en la práctica no es tratar el nombre del modelo como un compromiso arquitectónico. En OrcaRouter, google/gemini-3.1-flash-tts-preview — el nivel que esta generación reemplaza — se encuentra en un catálogo de más de 200 modelos detrás de una única clave, con el precio de $1.00 y $20.00 por millón de tokens que Google publica, con el precio de lista del proveedor transferido tal cual y sin margen añadido. Esa transferencia directa es lo que hace que experimentar con un nivel sea gratuito en lugar de un ejercicio de adquisición: la misma credencial que usas para comparar Flash TTS con Flash-Lite TTS es la que usas para todos los demás modelos del catálogo, y la conmutación automática por error significa que un nivel que solo estás probando nunca se convierte en un punto único de fallo para una cola de narración en producción.

Dos cosas a las que prestar atención, ambas cambiarían este artículo. Google incluye la remezcla de voz —ajustar timbre, tono, ritmo y acento en una voz que ya tienes— como próximamente en lugar de ya disponible, y si llega primero a un nivel, se convierte en un verdadero diferenciador de una manera en que la diferencia de Elo no lo es. Y si Google alguna vez publica un endpoint de Gemini 3.8 TTS que no sea Flash con su propio identificador y tarifa, el nombre paraguas finalmente tendrá algo debajo, y la comparación dejará de ser una cuestión de nombres y empezará a ser un verdadero nivel uno.