Simon Willison mette online un playground per le nuove Gemini 3.8 TTS di Google

Il 23 settembre 2026 Google ha rilasciato due modelli text-to-speech, gemini-3.8-flash-tts e gemini-3.8-flash-lite-tts. Nello stesso giorno Simon Willison ha pubblicato un playground che li usa con chiave API propria dell’utente¹.

I modelli includono una libreria con oltre 2.000 voci. È possibile creare una voce personalizzata a partire da un campione di 30 secondi della propria voce o di una voce per la quale si detengono i diritti. Willison sottolinea anche una caratteristica dell’API: definire una conversazione completa tra più personaggi con voci diverse e istruzioni di stile per ciascuno risulta semplice¹.

Willison descrive l’interfaccia come “bring-your-own-key”. Spiega di averla “vibe coded” con GPT-6 Astra. Il playground sfrutta la policy CORS aperta dell’API Gemini su cui si appoggia. Queste scelte consentono di impostare l’esperienza d’uso direttamente con la propria chiave, senza dipendere da un’infrastruttura esterna del creatore del tool. Tutti questi elementi compaiono nella presentazione dello strumento pubblicata dall’autore¹.

Per mostrare il funzionamento, Willison propone una clip breve: una conversazione tra due pellicani che discutono se trasferirsi al Pacifica Pier. Racconta di aver chiesto a Claude 4.5 Opus di scrivere lo script e di generare un URL per renderizzare l’audio usando il playground. L’esempio serve a illustrare la parte di composizione della scena (personaggi, voci, istruzioni di stile) e il passaggio finale di rendering tramite l’interfaccia che ha messo online¹.

Willison riporta anche tempi e costi del test. Per generare 1 minuto e 18 secondi di audio con Gemini 3.8 Flash TTS (non la versione Flash-Lite) sono bastati circa 20 secondi, per un costo di 2,74 centesimi. I numeri arrivano dalla sua esecuzione con il playground pubblicato nel post, e sono indicati come misurazione del caso specifico descritto¹.

La descrizione dell’API include un punto pratico per chi vuole creare scene con più voci: la possibilità di assegnare stili vocali diversi a personaggi differenti all’interno della stessa conversazione. L’indicazione sulla libreria di oltre 2.000 voci e sulla personalizzazione della voce con un campione di 30 secondi, purché si abbiano i diritti sul materiale, delimita chiaramente il perimetro d’uso proposto nel post¹.

Nel testo, Willison collega esplicitamente la nascita del playground al lavoro svolto con GPT-6 Astra e alla decisione di pubblicarlo in modalità “bring-your-own-key”. Specifica che l’interfaccia si appoggia all’API Gemini e che sfrutta la sua policy CORS aperta. Questi dettagli definiscono i presupposti del progetto senza entrare in implementazioni non citate nella fonte¹.

In chiusura del post compaiono anche rimandi ad articoli recenti dell’autore, con titoli e date. Sono segnalazioni editoriali collocate a margine della presentazione del playground e del rilascio dei modelli di sintesi vocale¹.