Gemini 3.8 Flash TTS vs Gemini 3.8 TTS: Một trong hai cái tên này không phải là một mô hình

Không có mô hình nào tên là Gemini 3.8 TTS. Tài liệu về tạo giọng nói của nhà cung cấp chỉ liệt kê đúng hai endpoint chuyển văn bản thành giọng nói trong thế hệ này — gemini-3.8-flash-tts, được tài liệu gọi là Gemini 3.8 Flash TTS, và gemini-3.8-flash-lite-tts, được gọi là Gemini 3.8 Flash-Lite TTS — và cả hai đều ra mắt vào ngày 23 tháng 9 năm 2026. "Gemini 3.8 TTS" là thuật ngữ chung mà các bài đưa tin về buổi ra mắt dùng để chỉ cặp đôi này, kể cả trong tiêu đề bài đăng của chính nhà cung cấp. Vậy nên đây không phải là cuộc so tài giữa hai sản phẩm, và bất cứ ai nói với bạn rằng đúng là như vậy thì hẳn chưa mở tài liệu ra xem.

Điều mà truy vấn thực sự đang hướng tới là một quyết định thật sự, và là một quyết định thú vị hơn so với những gì cách đặt tên gợi ra: bạn nên gọi thành viên nào trong cùng dòng sản phẩm? Trên bảng độc lập, hai lựa chọn nằm trong thanh sai số của nhau, và một trong hai có chi phí thấp hơn một phần ba. Đó mới là phép so sánh đáng thực hiện, nên hãy thực hiện nó cho đúng — rồi sau đó xử lý cái tên thứ ba vẫn cứ bị gộp vào cùng cuộc trò chuyện.

Mỗi tên phân giải thành gì

Phép thử phân biệt không phải là kết quả tìm kiếm nói gì. Mà là liệu chuỗi đó có phân giải đến một endpoint có bảng giá và một dòng trên bảng xếp hạng hay không, và với phép thử đó, hai cái tên tách bạch rõ ràng.

• Gemini 3.8 TTS — không có mã định danh mô hình, không có mục nào trong danh sách mô hình được hỗ trợ, không có giá công bố, không có dòng nào trên Artificial Analysis. Nó chỉ nêu tên một đợt ra mắt và một dòng sản phẩm, chứ không phải thứ bạn có thể gọi.

• Gemini 3.8 Flash TTS — ID mô hình gemini-3.8-flash-tts, 130 ngôn ngữ, được cung cấp rộng rãi trong Gemini API, đứng thứ hai trên Artificial Analysis Provider Voice Arena.

• Gemini 3.8 Flash-Lite TTS — ID mô hình gemini-3.8-flash-lite-tts, 101 ngôn ngữ, sẵn có rộng rãi, đứng thứ sáu trên cùng bảng xếp hạng, và được Google mô tả là sản phẩm thay thế chủ lực cho mô hình xem trước mà nó kế nhiệm.

Cả hai endpoint thực đều dùng cùng một lược đồ API và định dạng prompt, đó là lý do việc chọn giữa chúng là một giá trị cấu hình chứ không phải một lựa chọn mang tính kiến trúc. Sai lầm cần tránh là coi khái niệm bao trùm đó như một phương án thứ ba và chờ đợi nó xuất hiện; chẳng có gì để chờ đợi cả.

Quyết định mà cái tên bao trùm đang che giấu

Khi việc đặt tên đã ngã ngũ, câu hỏi mà người mua thực sự có là liệu gói đắt tiền hơn có đáng tiền hay không. Lý lẽ về chất lượng cho Flash TTS so với Flash-Lite TTS yếu ớt hơn mức chênh lệch giá hàm ý, và hội đồng quản trị nói rõ điều đó hơn bất kỳ bài đánh giá nào.

Trên Artificial Analysis Provider Voice Arena, được ghi lại cho bài viết này vào ngày 24 tháng 9 năm 2026, Gemini 3.8 Flash TTS xếp thứ hai với Elo 1,260 và khoảng 17 điểm, được đo trên 1,999 mẫu. Gemini 3.8 Flash-Lite TTS xếp thứ sáu với 1,235 cùng khoảng 16 điểm trên 2,000 mẫu. Nếu tính các khoảng này, phát hiện rõ ràng: Flash TTS trải từ 1,243 đến 1,277, Flash-Lite TTS trải từ 1,219 đến 1,251, và các khoảng đó chồng lấn từ 1,243 đến 1,251. Hai mươi lăm điểm Elo trông như một khoảng cách trên bảng và không thể phân biệt được với nhiễu trong một bài kiểm tra nghe mù với số lượng mẫu này.

Bây giờ hãy đặt giá bên cạnh nó.

• Giá niêm yết — Flash TTS là 9,00 USD mỗi triệu token âm thanh đến ngày 31 tháng 12 năm 2026, sau đó là 18,00 USD; Flash-Lite TTS là 6,00 USD, sau đó là 12,00 USD. Đầu vào văn bản là 0,50 USD mỗi triệu trên cả hai. Khoảng cách giữa các hạng là 33 phần trăm của hóa đơn âm thanh, trong cả hai giai đoạn.

• Mức giá chuẩn hóa — Artificial Analysis quy đổi cả hai về cơ sở mỗi triệu ký tự để các mô hình tính phí theo các đơn vị khác nhau có thể được xếp hạng cùng nhau, và đưa ra $16,5 cho Flash TTS và $11,0 cho Flash-Lite TTS. Vẫn mức chênh lệch 33 phần trăm đó, được đo theo một cách khác.

• Batch và Priority — Batch và Flex có giá 0,25 USD đầu vào và 4,50 USD đầu ra trên Flash TTS, so với 0,25 USD và 3,00 USD trên Flash-Lite TTS; Priority có giá 0,90 USD và 16,20 USD so với 0,90 USD và 10,80 USD.

• Điều thực sự khác biệt — 130 ngôn ngữ so với 101, và định vị sáng tạo đầy đủ so với định vị khối lượng lớn. Bảng mô hình được hỗ trợ của Google liệt kê tổng hợp giọng nói một người nói, tổng hợp giọng nói nhiều người nói, thiết kế giọng nói và nhân bản giọng nói đều có sẵn trên cả hai.

Đọc một cách tổng thể, đó là một lập luận yếu hơn cho gói cao cấp so với những gì tiếp thị ngụ ý, và nó là một câu trả lời hay hơn mức mà tên gọi bao trùm xứng đáng. Hãy trả 33 phần trăm nếu hệ chữ của bạn bao trùm một ngôn ngữ nằm ngoài 101, hoặc nếu bạn đã nghe cả hai và thích một trong hai. Đừng trả khoản đó chỉ vì một bảng hiển thị con số cao hơn, bởi vì các con số chồng lấn nhau.

Cái tên thứ ba cứ bị gộp vào

Có một sự va chạm thứ hai bên dưới điều này, và nó tạo ra nhiều lời khuyên tồi hơn so với cái đầu tiên. Google đã tung ra hai sản phẩm âm thanh cách nhau tám ngày trong tháng Chín, và chúng hoàn toàn không cùng loại.

Gemini 3.8 Flash TTS là mô hình chuyển văn bản thành giọng nói: văn bản vào, âm thanh ra, trên các endpoint TTS của Gemini API, được xây dựng cho “những tình huống yêu cầu đọc chính xác văn bản với khả năng kiểm soát chi tiết đối với phong cách và âm thanh.” Gemini 3.8 Live là hệ thống chuyển giọng nói thành giọng nói trên Live API, ra mắt ngày 15 tháng 9 năm 2026, được xây dựng cho âm thanh tương tác phi cấu trúc với đầu vào đa phương thức và các lệnh gọi công cụ chạy trong nền. Tài liệu của chính Google vạch rõ ranh giới đó, và đó là ranh giới đúng: một cái đọc kịch bản, cái kia trò chuyện.

Dù sao thì hai thứ đó vẫn bị gộp làm một, trong những bản tóm tắt mô tả "Gemini 3.8 TTS" như một sản phẩm voice-agent, rồi từ đó khiến người ta đánh giá một mô hình tường thuật dựa trên ngân sách độ trễ mà nó chưa bao giờ được thiết kế để đáp ứng. Nếu yêu cầu của bạn là một tổng đài hỗ trợ có thể nghe máy và nhận ra người gọi ngắt lời, thì Flash TTS là sản phẩm sai, bất kể hạng nào — và nếu yêu cầu của bạn là 40.000 từ cho một audiobook với tông nền nhất quán, thì Live API là lựa chọn sai. Việc quyết định bạn đang xây dựng cái nào trong hai thứ đó là một quyết định lớn hơn nhiều so với việc bạn chọn hạng nào, và đó chính là cái mà sự nhầm lẫn trong cách đặt tên khiến bạn phải trả giá.

Một chuỗi thứ ba, gemini-3.8-flash, cũng xuất hiện trên trang tài liệu TTS, với vai trò là mô hình văn bản được dùng để tạo bản chép lời. Đây không phải là mô hình giọng nói. Ít nhất thì trường hợp này cũng dễ phát hiện.

Chọn lựa, và giữ cho sự lựa chọn đó rẻ

Quyết định về tier tự nó chỉ là một chuỗi. Cả hai endpoint dùng chung một schema, dùng chung thư viện giọng nói, dùng chung thiết kế giọng nói, và trả lời trên cùng một endpoint giọng nói với cùng phương thức xác thực, nên việc chuyển đổi chỉ là thay đổi một dòng và chạy lại — nghĩa là cách rẻ nhất để giải quyết việc đó là tạo cùng một kịch bản hai lần rồi nghe, thay vì tranh luận từ bảng xếp hạng.

Điều khiến điều đó trở nên rẻ trên thực tế là không coi tên model như một cam kết về kiến trúc. Trên OrcaRouter, google/gemini-3.1-flash-tts-preview — hạng mà thế hệ này thay thế — nằm trong một danh mục hơn 200 model phía sau một khóa duy nhất, với mức giá $1.00 và $20.00 mỗi triệu token mà Google công bố, giá niêm yết của nhà cung cấp được chuyển nguyên và không cộng thêm phụ phí. Chính việc chuyển nguyên đó khiến một thử nghiệm về hạng trở thành miễn phí thay vì một thủ tục mua sắm: cùng thông tin xác thực bạn dùng để so sánh Flash TTS với Flash-Lite TTS cũng chính là thứ bạn dùng cho mọi model khác trong danh mục, và tự động chuyển đổi dự phòng nghĩa là một hạng mà bạn chỉ đang thử sẽ không bao giờ trở thành điểm lỗi duy nhất cho hàng đợi thuyết minh trong môi trường sản xuất.

Hai điều cần lưu ý, cả hai đều sẽ thay đổi bài viết này. Google liệt kê tính năng phối lại giọng nói — điều chỉnh âm sắc, cao độ, tốc độ và ngữ điệu trên giọng nói bạn đã có — là sắp ra mắt thay vì đã phát hành, và nếu nó xuất hiện trên một hạng trước, nó sẽ trở thành yếu tố khác biệt thực sự theo cách mà khoảng cách Elo không làm được. Và nếu Google có bao giờ công bố một endpoint Gemini 3.8 TTS không phải Flash với mã định danh và bảng giá riêng, thì tên chung cuối cùng sẽ có thứ gì đó bên dưới nó, và sự so sánh sẽ không còn là câu hỏi về tên gọi nữa mà bắt đầu trở thành một hạng một thực sự.