Gemini 3.8 Flash TTS против Gemini 3.8 TTS: одно из этих названий — не модель

Не существует модели под названием Gemini 3.8 TTS. В документации производителя по генерации речи для этого поколения указано ровно две конечные точки преобразования текста в речь — gemini-3.8-flash-tts, которую документация называет Gemini 3.8 Flash TTS, и gemini-3.8-flash-lite-tts, носящую название Gemini 3.8 Flash-Lite TTS, — и обе вышли 23 сентября 2026 года. «Gemini 3.8 TTS» — это обобщающий термин, который материалы о запуске используют для этой пары, в том числе в заголовке собственного поста производителя. Так что это не противостояние двух продуктов, и всякий, кто утверждает обратное, не открывал документацию.

То, на что на самом деле указывает запрос, — это реальное решение, и куда более интересное, чем можно предположить по названию: к какому представителю семейства стоит обратиться? На независимом стенде их планки погрешностей перекрываются, а один из них стоит на треть меньше. Именно это сравнение стоит провести, так что давайте сделаем его как следует — а затем разберёмся с третьим названием, которое то и дело подмешивают в тот же разговор.

Во что разрешается каждое имя

Различительный тест — это не то, что говорит результат поиска. Он в том, соответствует ли эта строка эндпоинту с тарифной сеткой и строкой в таблице лидеров, и по этому тесту два названия чётко расходятся.

• Gemini 3.8 TTS — ни идентификатора модели, ни записи в списке поддерживаемых моделей, ни опубликованной цены, ни строки на Artificial Analysis. Это обозначает запуск и линейку продуктов, а не то, что можно вызвать.

• Gemini 3.8 Flash TTS — идентификатор модели gemini-3.8-flash-tts, 130 языков, общедоступна в Gemini API, занимает второе место в Artificial Analysis Provider Voice Arena.

• Gemini 3.8 Flash-Lite TTS — ID модели gemini-3.8-flash-lite-tts, 101 язык, общедоступна, шестая в том же рейтинге, и Google описывает её как рабочую лошадку — замену предварительной модели, которую она вытесняет.

Оба реальных эндпоинта принимают одну и ту же схему API и один и тот же формат промптов, поэтому выбор между ними — это параметр конфигурации, а не архитектурное решение. Ошибка, которой следует избегать, — считать зонтичный вариант третьей опцией и ждать его появления; ждать нечего.

Решение, скрытое за зонтичным названием

Когда с названием покончено, покупателя на самом деле волнует другое: стоит ли более дорогой уровень своих денег. Довод в пользу качества Flash TTS по сравнению с Flash-Lite TTS слабее, чем подразумевает разница в цене, и таблица лидеров говорит об этом яснее любого обзора.

На Artificial Analysis Provider Voice Arena, по данным, зафиксированным для этой статьи 24 сентября 2026 года, Gemini 3.8 Flash TTS занимает второе место с Elo 1 260 и интервалом 17 пунктов, измеренным на 1 999 образцах. Gemini 3.8 Flash-Lite TTS занимает шестое место с показателем 1 235 и интервалом 16 пунктов на 2 000 образцах. Если рассчитать интервалы, вывод однозначен: Flash TTS охватывает диапазон от 1 243 до 1 277, Flash-Lite TTS — от 1 219 до 1 251, и эти диапазоны пересекаются между 1 243 и 1 251. Двадцать пять пунктов Elo выглядят как разрыв в таблице, но при таком количестве образцов в слепом прослушивании они неотличимы от шума.

Теперь поставьте цену рядом с ним.

• Цена по прайс-листу — Flash TTS стоит $9.00 за миллион аудиотокенов до 31 декабря 2026 года, затем $18.00; Flash-Lite TTS — $6.00, затем $12.00. Ввод текста стоит $0.50 за миллион в обоих случаях. Разрыв между тарифными уровнями составляет 33 процента от счёта за аудио в обоих периодах.

• Нормализованная ставка — Artificial Analysis пересчитывает оба тарифа в расчёт на миллион символов, чтобы модели, тарифицируемые в разных единицах, можно было сравнивать в одном рейтинге, и получает $16,5 для Flash TTS и $11,0 для Flash-Lite TTS. Тот же разрыв в 33 процента, измеренный иначе.

• Batch и Priority — Batch и Flex стоят $0,25 за ввод и $4,50 за вывод на Flash TTS против $0,25 и $3,00 на Flash-Lite TTS; Priority — $0,90 и $16,20 против $0,90 и $10,80.

• Что на самом деле различается — 130 языков против 101 и полноценное творческое позиционирование против ориентированного на большие объёмы. В таблице поддерживаемых моделей Google синтез с одним диктором, синтез с несколькими дикторами, дизайн голоса и репликация голоса указаны как доступные в обеих.

Если рассматривать в целом, это более слабое обоснование для премиум-тарифа, чем подразумевает маркетинг, и это лучший ответ, чем заслуживает обобщающее название. Платите эти 33 процента, если ваш сценарий охватывает язык за пределами этих 101 или если вы прослушали оба и предпочитаете один. Не платите из-за того, что в таблице указано большее число, поскольку числа пересекаются.

Третье имя, которое постоянно подмешивается.

Под этим скрывается второе столкновение, и оно порождает больше плохих советов, чем первое. В сентябре Google выпустила два аудиопродукта с разницей в восемь дней, и это совсем не однотипные вещи.

Gemini 3.8 Flash TTS — это модель преобразования текста в речь: текст на входе, аудио на выходе, на TTS-эндпоинтах Gemini API, созданная для «сценариев, требующих точного воспроизведения текста с тонким контролем над стилем и звучанием». Gemini 3.8 Live — это система преобразования речи в речь на Live API, выпущенная 15 сентября 2026 года, созданная для интерактивного неструктурированного аудио с мультимодальным вводом и вызовами инструментов, работающими в фоновом режиме. В собственной документации Google это различие проводится явно, и это правильное различие: одна читает сценарий, другая ведёт беседу.

Эти две вещи всё равно объединяют в сводках, которые описывают «Gemini 3.8 TTS» как продукт для голосовых агентов, что затем заставляет людей оценивать модель повествования по бюджету задержки, на который она никогда не была рассчитана. Если ваше требование — линия поддержки, которая отвечает на звонок и слышит, как звонящий перебивает, Flash TTS — неподходящий продукт независимо от тарифа; а если ваше требование — 40 000 слов аудиокниги с однородным тоном помещения, Live API — неподходящий. Решить, что именно из этого вы создаёте, — гораздо более крупное решение, чем выбор тарифа, и именно на нём путаница в названиях обходится вам дорого.

Третья строка, gemini-3.8-flash, также встречается на странице документации TTS как текстовая модель, используемая для генерации транскриптов. Это не речевая модель. Эту, по крайней мере, легко заметить.

Выбор и сохранение его дешёвым

Само решение о выборе уровня — это строка. Оба эндпоинта используют одну и ту же схему, одну и ту же библиотеку голосов, один и тот же дизайн голоса и отвечают на одном и том же речевом эндпоинте с одинаковой аутентификацией, поэтому переключение — это правка в одну строку и повторный запуск. А значит, самый дешёвый способ разрешить этот вопрос — дважды сгенерировать один и тот же скрипт и послушать, а не спорить, опираясь на таблицу лидеров.

Что делает это дешёвым на практике — так это отказ воспринимать название модели как архитектурное обязательство. На OrcaRouter google/gemini-3.1-flash-tts-preview — уровень, который заменяет это поколение, — находится в каталоге из 200+ моделей за одним ключом, по цене $1,00 и $20,00 за миллион токенов, которую публикует Google, с передачей прейскурантной цены провайдера и без какой-либо наценки. Именно эта передача цены делает эксперимент с уровнем бесплатным, а не закупочной процедурой: тот же ключ доступа, который вы используете для сравнения Flash TTS с Flash-Lite TTS, применяется и ко всем остальным моделям каталога, а автоматическое переключение при сбое означает, что уровень, который вы только пробуете, никогда не становится единственной точкой отказа для продакшн-очереди озвучки.

Две вещи, за которыми стоит следить, — и обе они изменили бы эту статью. Google указывает ремикширование голоса — настройку тембра, высоты тона, темпа и акцента для голоса, который у вас уже есть, — как «скоро», а не как уже выпущенную функцию, и если оно сначала появится на одном тарифе, оно станет настоящим дифференциатором — в отличие от разрыва в Elo. А если Google когда-нибудь опубликует не-Flash TTS-эндпоинт Gemini 3.8 с собственным идентификатором и тарифной сеткой, под зонтичным названием наконец-то появится что-то реальное, и сравнение перестанет быть вопросом названия и станет настоящим сравнением первого уровня.