Stimme · Google DeepMind
Gemini 3.1 Flash TTS
Das Stimmmodell von Google vom April 2026, gesteuert über Tags wie [whispers] im Text. Nimm es, wenn die Darbietung wichtiger ist als der Preis.
Anonymisiert Very high costWas es auszeichnet
Mit Gemini 3.1 Flash TTS steuerst du die Darbietung in einfachem Text über Audio-Tags und Regieanweisungen, und es deckt mehr als 70 Sprachen ab. Google hat die Familie inzwischen auf Gemini 3.8 gebracht, das hier ist also die vorherige Generation.
- Audio-Tags und Regieanweisungen
- Über 70 Sprachen, Dialog mit mehreren Sprechern
- SynthID-Wasserzeichen auf jedem Audio
Empfohlen für: eine stimme, die spielt: flüstern, lachen, pausen.
Stärken und Grenzen
Wo es glänzt
- Über 200 Audio-Tags für Ton, Tempo und Akzent
- Über 70 Sprachen
- 30 Stimmen
Zweimal überlegen, wenn
- Die teuerste Stimme im Katalog pro Zeichen
- Anonymisiert, nicht privat
- 30 Stimmen
- Bis zu 5.000 Zeichen pro Anfrage in Sub Rosa
Anwendungsfälle
Podcast-Dialog mit zwei Personen
Sprecher 1 [excited]: Wir sind gerade gestartet! Sprecher 2 [whispers]: Sag's noch niemandem.
Tags steuern die Stimmung fein, Zeile für Zeile.
Mehrsprachig vertonter Kurs
Lies diese Lektion langsam und deutlich vor, im freundlichen Ton einer Lehrkraft.
Breite Sprachabdeckung und steuerbarer Ton.
Im Vergleich zur Konkurrenz
- ElevenLabsElevenLabs ist pro Zeichen günstiger, mit weniger Sprachen und weniger Steuerung über Tags.Platz 1 von 10 bei Artificial Analysis Speech Arena ( 1.330 Elo)
- xAI TTSxAI nutzt ebenfalls Tags im Text, zu etwa einem Zehntel des Preises.
- Inworld TTS-1.5 MaxInworld ist weit günstiger und ausdrucksstark, mit 15 Sprachen.
Versionsverlauf
Jede Version, datiert, mit dem, was sie gegenüber der vorherigen geändert hat.
Hohle Punkte sind frühere Versionen, die Sub Rosa nicht mehr anbietet.
Zahlen ansehen
| Version | Veröffentlicht | Elo |
|---|---|---|
| Gemini 3.1 Flash TTS | 2026-04-15 | 1.209 |
| Gemini 3.8 Flash TTS | 2026-09-22 | 1.275 |
- Gemini 3.1 Flash TTSDie neueste
- Feine Audio-Tags für Stil, Tempo und Darbietung eingeführt
- Über 70 Sprachen und nativer Dialog mit mehreren Sprechern
- Gemini 3.8 Flash TTSÄlter, nicht in Sub Rosa
- Allgemein verfügbar, über 130 Sprachen, Tags im Text wie <sigh> und <breath>
Benchmarks
So liest du diese Werte: was ein Benchmark aussagt.
Artificial Analysis Speech Arena: Platz 3 von 10 im Katalog gemessenen Modellen. Menschen hören denselben Satz, gelesen von zwei Stimmen, ohne die Modelle zu kennen, und wählen die natürlichere. Eine Elo-Wertung: Je höher, desto natürlicher klingt die Stimme für mehr Menschen. Bei 100 Punkten Abstand gewinnt das höher bewertete Modell etwa 64 % der Duelle.
- 1. ElevenLabs TTS v4 TurboElevenLabs1.330
- 2. ElevenLabs TTS v4ElevenLabs1.329
- 3. Gemini 3.1 Flash TTSGemini 3.1 Flash TTS1.209
- 4. ElevenLabs TTS v3ElevenLabs1.178
- 5. Gradium TTSGradium TTS1.151
- 6. MiniMax Speech-02 HDMiniMax Speech-02 HD1.114
- 7. Chatterbox HD (Resemble AI)Chatterbox HD1.102
- 8. ElevenLabs Turbo v2.5ElevenLabs1.097
- 9. ElevenLabs Multilingual v2ElevenLabs1.095
- 10. Kokoro Text to SpeechKokoro1.064
Zahlen ansehen
| Modell | Elo |
|---|---|
| 1. ElevenLabs TTS v4 Turbo | 1.330 |
| 2. ElevenLabs TTS v4 | 1.329 |
| 3. Gemini 3.1 Flash TTS | 1.209 |
| 4. ElevenLabs TTS v3 | 1.178 |
| 5. Gradium TTS | 1.151 |
| 6. MiniMax Speech-02 HD | 1.114 |
| 7. Chatterbox HD (Resemble AI) | 1.102 |
| 8. ElevenLabs Turbo v2.5 | 1.097 |
| 9. ElevenLabs Multilingual v2 | 1.095 |
| 10. Kokoro Text to Speech | 1.064 |
Das Modell dieser Familie
| Modell | Einsatz | Datenschutz | Preis |
|---|---|---|---|
Gemini 3.1 Flash TTStts-gemini-3-1-flash | Stimme | Anonymisiert | 0,0843 $ pro 1.000 Zeichen0,253 $ pro vorgelesene Seite |
Technische Daten
| Merkmal | Gemini 3.1 Flash TTS |
|---|---|
| Veröffentlicht | 15. April 2026 |
| Gewichte | Geschlossen |
| Akzeptiert | text |
| Erzeugt | audio |
| Sprachen | Über 70 Sprachen |
| Preis | 0,0843 $ pro 1.000 Zeichen |
| Datenschutz | Anonymisiert |
Preise, Kontext und Längen aus dem Live-Katalog vom 16. Oktober 2026; Parameter und Lizenzen vom Hersteller.
Quellen
Alles auf dieser Seite stammt von diesen Seiten, gelesen am 16. Oktober 2026 oder wie bei jedem Wert datiert.
Die 6 Quellen anzeigen
- blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-1-flash-tts
- ai.google.dev/gemini-api/docs/changelog
- ai.google.dev/gemini-api/docs/speech-generation
- artificialanalysis.ai/text-to-speech/leaderboard
- blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-1-flash-tts
- datanorth.ai/news/google-gemini-3-1-flash-tts-release