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 cost
Neueste VersionGemini 3.1 Flash TTS15. April 2026
Artificial Analysis Speech Arena1.209 EloPlatz 3 von 10 bei Artificial Analysis Speech Arena
Preis0,0843 $ pro 1.000 Zeichen0,253 $ pro vorgelesene Seite
Wichtigste AngabeÜber 70 Sprachen

Was 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.
Nebeneinander vergleichen ↗

Versionsverlauf

Jede Version, datiert, mit dem, was sie gegenüber der vorherigen geändert hat.

Artificial Analysis Speech Arena, Version für VersionElo-Wertung · Artificial Analysis

Hohle Punkte sind frühere Versionen, die Sub Rosa nicht mehr anbietet.

Zahlen ansehen
VersionVeröffentlichtElo
Gemini 3.1 Flash TTS2026-04-151.209
Gemini 3.8 Flash TTS2026-09-221.275
  1. Gemini 3.1 Flash TTSDie neueste
    • Feine Audio-Tags für Stil, Tempo und Darbietung eingeführt
    • Über 70 Sprachen und nativer Dialog mit mehreren Sprechern
    Quelle : blog.google
  2. Gemini 3.8 Flash TTSÄlter, nicht in Sub Rosa
    • Allgemein verfügbar, über 130 Sprachen, Tags im Text wie <sigh> und <breath>
    Quelle : ai.google.dev

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.

Artificial Analysis Speech ArenaElo-Wertung · Artificial Analysis, 4. Oktober 2026
  1. 1. ElevenLabs TTS v4 TurboElevenLabs1.330
  2. 2. ElevenLabs TTS v4ElevenLabs1.329
  3. 3. Gemini 3.1 Flash TTSGemini 3.1 Flash TTS1.209
  4. 4. ElevenLabs TTS v3ElevenLabs1.178
  5. 5. Gradium TTSGradium TTS1.151
  6. 6. MiniMax Speech-02 HDMiniMax Speech-02 HD1.114
  7. 7. Chatterbox HD (Resemble AI)Chatterbox HD1.102
  8. 8. ElevenLabs Turbo v2.5ElevenLabs1.097
  9. 9. ElevenLabs Multilingual v2ElevenLabs1.095
  10. 10. Kokoro Text to SpeechKokoro1.064
Zahlen ansehen
ModellElo
1. ElevenLabs TTS v4 Turbo1.330
2. ElevenLabs TTS v41.329
3. Gemini 3.1 Flash TTS1.209
4. ElevenLabs TTS v31.178
5. Gradium TTS1.151
6. MiniMax Speech-02 HD1.114
7. Chatterbox HD (Resemble AI)1.102
8. ElevenLabs Turbo v2.51.097
9. ElevenLabs Multilingual v21.095
10. Kokoro Text to Speech1.064

Das Modell dieser Familie

ModellEinsatzDatenschutzPreis
Gemini 3.1 Flash TTStts-gemini-3-1-flashStimmeAnonymisiert0,0843 $ pro 1.000 Zeichen0,253 $ pro vorgelesene Seite

Technische Daten

MerkmalGemini 3.1 Flash TTS
Veröffentlicht15. April 2026
GewichteGeschlossen
Akzeptierttext
Erzeugtaudio
SprachenÜber 70 Sprachen
Preis0,0843 $ pro 1.000 Zeichen
DatenschutzAnonymisiert

Preise, Kontext und Längen aus dem Live-Katalog vom 16. Oktober 2026; Parameter und Lizenzen vom Hersteller.