Markdown izdanje

AI-translated from English; not yet reviewed by a fluent editor.

# Gemini 3.8 TTS je sada jeftiniji. Cena se udvostručuje 1. januara

> Googleovi stabilni modeli Gemini 3.8 TTS snižavaju cenu generisanog zvuka, ali se cene udvostručuju 1. januara, a migracija menja promptove i rukovanje WAV datotekama.

By BIG CHANGE Editorial

Published: 2026-09-23T18:27:39.501Z
Updated: 2026-09-23T18:27:39.501Z
Canonical: https://bigchange.ai/blog/gemini-3-8-tts-pricing-migration

![A single unbranded studio monitor sits on isolation pads on a wall-mounted shelf inside a sound-treated alcove.](https://bigchange.ai/api/media/file/gemini-tts-studio-monitor-hero-v2.png)
AI-generated conceptual illustration by BIG CHANGE.

[Googleovo predstavljanje 23. septembra](https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-text-to-speech/) donelo je dva stabilna govorna modela u Gemini API i AI Studio: Flash za kreativni rad i Flash-Lite za veliki obim upotrebe. Pristup kroz Gemini Enterprise API stiže kasnije.

Oba modela koštaju manje po minutu generisanog zvuka od modela 3.1 Flash TTS Preview. Njihove standardne cene udvostručiće se 1. januara 2027. Migracija menja i način na koji aplikacije šalju uputstva i čuvaju zvuk.

## Najvažnija promena

- **Šta se menja:** Novi nivoi razdvajaju tekst transkripta od uputstava za izvođenje i podržavaju glasove koji mogu ponovo da se koriste.
- **Zašto je važno:** Pri migraciji govornog sistema treba uzeti u obzir dva troška: sadašnje izmene u inženjerskom radu i najavljeno povećanje naknada za generisanje.
- **Na šta obratiti pažnju:** Za sinhronizaciju, audio-knjige i glasovne agente uporedite razumljivost i doslednost govornika na stvarnim produkcionim tekstovima na više jezika. Ti rezultati pokazuju da li jeftiniji minut generisanog zvuka zaista smanjuje cenu upotrebljivog zvuka.

## Cena izlaznog zvuka po minutu

[Googleova tabela cena](https://ai.google.dev/gemini-api/docs/pricing?hl=en) navodi 25 audio-tokena u sekundi, odnosno 1.500 u minutu. Obračun je izlazna cena × 1.500 / 1.000.000; ulazni tekst se dodatno naplaćuje. Svi iznosi u nastavku su u američkim dolarima po standardnim cenama.

| Model | Navedeni jezici | Ulaz / izlaz na milion tokena do 31. decembra 2026. | Izlaz po minutu sada | Izlaz po minutu od 1. januara 2027. |
| --- | --- | --- | --- | --- |
| Gemini 3.8 Flash TTS | 130 | 0,50 USD / 9 USD | 0,0135 USD | 0,027 USD |
| Gemini 3.8 Flash-Lite TTS | 101 | 0,50 USD / 6 USD | 0,009 USD | 0,018 USD |
| Gemini 3.1 Flash TTS Preview | — | 1 USD / 20 USD | 0,03 USD | Nije najavljena promena |

Za modele 3.8, Batch i Flex koštaju upola manje od standardne cene, dok Priority košta 1,8 puta više. Googleov [indeks modela](https://ai.google.dev/gemini-api/docs/models) preporučuje zamenu zastarelog modela 3.1 Preview jednim od novih nivoa.

## Potrebne su izmene promptova i audio-datoteka

U vodiču za migraciju modela [Flash](https://ai.google.dev/gemini-api/docs/models/gemini-3.8-flash-tts) navodi se da se tekst transkripta izgovara doslovno. Trajna uputstva i oznake govornika unesite u `speech_metadata`; u suprotnom, staro uputstvo poput „Reci veselo:“ može da bude pročitano naglas. Kratki zvučni efekti, kao što je `<laugh>`, ostaju u tekstu.

Svaki red u dijalogu sa više govornika mora da navede govornika čije ime odgovara podešavanjima. Odgovori na pojedinačne zahteve sada sadrže WAV zaglavlja, za razliku od ranijeg podrazumevanog sirovog PCM formata. Uklonite kod koji dodaje WAV zaglavlje ili izričito zatražite sirovi format.

[Dokumentacija za Flash-Lite](https://ai.google.dev/gemini-api/docs/models/gemini-3.8-flash-lite-tts) potvrđuje zajedničku šemu i ograničenja od 8.192 ulazna i 16.384 izlazna tokena za oba nivoa. Aplikacije zato mogu da ih upoređuju kroz istu integraciju.

## Replikacija glasa i evaluacija

Google navodi da je dostupno više od 2.000 gotovih glasova, kao i dizajn glasa i replikacija na osnovu uzorka od 30 sekundi za čiji korisnik ima pravo upotrebe. Za replikaciju je potreban odgovarajući snimak usmene saglasnosti. Google navodi da generisani klipovi nose SynthID, a replike glasova C2PA podatke o poreklu.

Replikacija glasa u AI Studio nije dostupna u Ilinoisu, Teksasu, Evropskom ekonomskom prostoru, Ujedinjenom Kraljevstvu, Švajcarskoj i Indiji.

Google navodi da je Flash ostvario rezultate 71,4 ukupno i 60,8 u modelovanju akcenata na Humeovom merilu Voice Design Benchmark. Prema Googleu, Flash i Lite zauzimaju prvo i drugo mesto na Humeovom indeksu Overall Quality Index.

[Artificial Analysis](https://artificialanalysis.ai/text-to-speech/models/gemini-3-8-flash-tts) je zasebno uvrstio Flash sa Arena Elo ocenom 1260,15, na 27. mestu među 95 modela, 23. septembra. To meri sklonost publike; pregledana rang-lista ne utvrđuje performanse po jezicima niti pri dugim snimanjima. Ovde nije korišćen uporediv nezavisni rezultat za Lite.

Za poređenje sa još jednim skupom hostovanih govornih usluga pogledajte našu analizu [API-ja i cena Qwen Audio 3.1](https://bigchange.ai/blog/qwen-audio-3-1-models-api-pricing).

## Sources

- [Gemini 3.8 text-to-speech stiže](https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-text-to-speech/) — Zvanični opseg predstavljanja, uloge modela, broj jezika, glasovne funkcije, kontrole saglasnosti, regionalna dostupnost i rezultati merila koje je objavio Google. Tvrdnje o kvalitetu pripisane su Googleu.
- [Dokumentacija modela Gemini 3.8 Flash TTS](https://ai.google.dev/gemini-api/docs/models/gemini-3.8-flash-tts) — Trenutna šema zahteva, ograničenja ulaza i izlaza, obrada transkripta, oznake događaja unutar teksta, provera više govornika i prelazak sa sirovog PCM-a na podrazumevani WAV izlaz.
- [Dokumentacija modela Gemini 3.8 Flash-Lite TTS](https://ai.google.dev/gemini-api/docs/models/gemini-3.8-flash-lite-tts) — Aktuelni opis nivoa za veliki obim upotrebe, njegovih 101 navedenih jezika i zajedničkog interfejsa verzije 3.8.
- [Cene Gemini API-ja](https://ai.google.dev/gemini-api/docs/pricing?hl=en) — Zvanične cene za Standard, Batch, Flex i Priority, rok za promotivnu cenu 31. decembra, cene od 1. januara i obračun na osnovu 25 audio-tokena u sekundi.
- [Generisanje govora iz teksta](https://ai.google.dev/gemini-api/docs/speech-generation) — Aktuelni vodič za govor dokumentuje tabelu jezika za verziju 3.8, obradu transkripta i ponašanje pri migraciji. Aktuelna tabela jezika ne potvrđuje broj jezika starijeg Preview modela.
- [Gemini modeli](https://ai.google.dev/gemini-api/docs/models) — Aktuelni indeks modela označava 3.1 Flash TTS kao zastareli Preview i preporučuje prelazak na Gemini 3.8 Flash TTS ili Flash-Lite TTS.
- [Analiza kvaliteta, brzine i cene modela Gemini 3.8 Flash TTS](https://artificialanalysis.ai/text-to-speech/models/gemini-3-8-flash-tts) — Nezavisna rang-lista objavljena na dan predstavljanja upravo ovog Flash modela: Arena Elo 1260,15 i 27. mesto od 95 u vreme pregleda. Rang se može menjati i ne predstavlja proveru više jezika niti dugih snimaka.