Voz · Google DeepMind

Gemini 3.1 Flash TTS

El modelo de voz de Google de abril de 2026, que se dirige con etiquetas como [whispers] escritas en el texto. Elígelo cuando la interpretación importe más que el precio.

Anonimizado Very high cost
Última versiónGemini 3.1 Flash TTS15 de abril de 2026
Artificial Analysis Speech Arena1209 EloPuesto 3 de 10 en Artificial Analysis Speech Arena
Precio0,0843 $ por 1000 caracteres0,253 $ por una página leída en voz alta
Dato claveMás de 70 idiomas

Qué lo distingue

Gemini 3.1 Flash TTS te permite dirigir la interpretación en texto sencillo con etiquetas de audio y notas de dirección, y cubre más de 70 idiomas. Google ya pasó la familia a Gemini 3.8, así que esta es la generación anterior.

  • Etiquetas de audio y notas de dirección
  • Más de 70 idiomas, diálogo a varias voces
  • Marca de agua SynthID en todo el audio

Recomendado para: una voz que actúa: susurros, risas, pausas.

Puntos fuertes y límites

Dónde brilla

  • Más de 200 etiquetas de audio para tono, ritmo y acento
  • Más de 70 idiomas
  • 30 voces

Piénsalo dos veces si

  • La voz más cara del catálogo por carácter
  • Anonimizado, no privado
  • 30 voces
  • Hasta 5.000 caracteres por solicitud en Sub Rosa

Casos de uso

Diálogo de pódcast a dos voces

Interlocutor 1 [excited]: ¡Acabamos de lanzar! Interlocutor 2 [whispers]: No se lo digas a nadie todavía.

Las etiquetas dan un control fino del tono, frase por frase.

Narración de un curso en varios idiomas

Narra esta lección despacio y con claridad, con el tono de un profesor amable.

Amplia cobertura de idiomas y tono ajustable.

Frente a sus rivales

  • ElevenLabsElevenLabs es más barato por carácter, con menos idiomas y menos control mediante etiquetas.Puesto 1 de 10 en Artificial Analysis Speech Arena ( 1330 Elo)
  • xAI TTSxAI también usa etiquetas en el texto, por cerca de una décima parte del precio.
  • Inworld TTS-1.5 MaxInworld es mucho más barato y expresivo, con 15 idiomas.
Comparar lado a lado ↗

Historial de versiones

Cada versión, con su fecha y lo que cambió respecto a la anterior.

Artificial Analysis Speech Arena, versión tras versiónPuntuación Elo · Artificial Analysis

Los puntos huecos son versiones anteriores que Sub Rosa ya no ofrece.

Ver las cifras
VersiónLanzamientoElo
Gemini 3.1 Flash TTS2026-04-151209
Gemini 3.8 Flash TTS2026-09-221275
  1. Gemini 3.1 Flash TTSLa más reciente
    • Llegan etiquetas de audio detalladas para estilo, ritmo e interpretación
    • Más de 70 idiomas y diálogo nativo a varias voces
    Fuente : blog.google
  2. Gemini 3.8 Flash TTSAnterior, fuera de Sub Rosa
    • Disponible en versión estable, más de 130 idiomas, etiquetas en el texto como <sigh> y <breath>
    Fuente : ai.google.dev

Benchmarks

Cómo leer estas puntuaciones: lo que te dice un benchmark.

Artificial Analysis Speech Arena: puesto 3 de 10 modelos medidos en el catálogo. La gente escucha la misma frase leída por dos voces, sin saber qué modelos son, y elige la más natural. Una puntuación Elo: cuanto más alta, más natural suena para más personas. Con 100 puntos de diferencia, el modelo con mayor puntuación gana alrededor del 64 % de los duelos.

Artificial Analysis Speech ArenaPuntuación Elo · Artificial Analysis, 4 de octubre de 2026
  1. 1. ElevenLabs TTS v4 TurboElevenLabs1330
  2. 2. ElevenLabs TTS v4ElevenLabs1329
  3. 3. Gemini 3.1 Flash TTSGemini 3.1 Flash TTS1209
  4. 4. ElevenLabs TTS v3ElevenLabs1178
  5. 5. Gradium TTSGradium TTS1151
  6. 6. MiniMax Speech-02 HDMiniMax Speech-02 HD1114
  7. 7. Chatterbox HD (Resemble AI)Chatterbox HD1102
  8. 8. ElevenLabs Turbo v2.5ElevenLabs1097
  9. 9. ElevenLabs Multilingual v2ElevenLabs1095
  10. 10. Kokoro Text to SpeechKokoro1064
Ver las cifras
ModeloElo
1. ElevenLabs TTS v4 Turbo1330
2. ElevenLabs TTS v41329
3. Gemini 3.1 Flash TTS1209
4. ElevenLabs TTS v31178
5. Gradium TTS1151
6. MiniMax Speech-02 HD1114
7. Chatterbox HD (Resemble AI)1102
8. ElevenLabs Turbo v2.51097
9. ElevenLabs Multilingual v21095
10. Kokoro Text to Speech1064

El modelo de esta familia

ModeloUsoPrivacidadPrecio
Gemini 3.1 Flash TTStts-gemini-3-1-flashVozAnonimizado0,0843 $ por 1000 caracteres0,253 $ por una página leída en voz alta

Especificaciones

EspecificaciónGemini 3.1 Flash TTS
Lanzamiento15 de abril de 2026
PesosCerrados
Aceptatext
Produceaudio
IdiomasMás de 70 idiomas
Precio0,0843 $ por 1000 caracteres
PrivacidadAnonimizado

Precios, contexto y duraciones del catálogo en vivo el 16 de octubre de 2026; parámetros y licencias según el fabricante.