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 costQué 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.
Historial de versiones
Cada versión, con su fecha y lo que cambió respecto a la anterior.
Los puntos huecos son versiones anteriores que Sub Rosa ya no ofrece.
Ver las cifras
| Versión | Lanzamiento | Elo |
|---|---|---|
| Gemini 3.1 Flash TTS | 2026-04-15 | 1209 |
| Gemini 3.8 Flash TTS | 2026-09-22 | 1275 |
- 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
- 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>
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.
- 1. ElevenLabs TTS v4 TurboElevenLabs1330
- 2. ElevenLabs TTS v4ElevenLabs1329
- 3. Gemini 3.1 Flash TTSGemini 3.1 Flash TTS1209
- 4. ElevenLabs TTS v3ElevenLabs1178
- 5. Gradium TTSGradium TTS1151
- 6. MiniMax Speech-02 HDMiniMax Speech-02 HD1114
- 7. Chatterbox HD (Resemble AI)Chatterbox HD1102
- 8. ElevenLabs Turbo v2.5ElevenLabs1097
- 9. ElevenLabs Multilingual v2ElevenLabs1095
- 10. Kokoro Text to SpeechKokoro1064
Ver las cifras
| Modelo | Elo |
|---|---|
| 1. ElevenLabs TTS v4 Turbo | 1330 |
| 2. ElevenLabs TTS v4 | 1329 |
| 3. Gemini 3.1 Flash TTS | 1209 |
| 4. ElevenLabs TTS v3 | 1178 |
| 5. Gradium TTS | 1151 |
| 6. MiniMax Speech-02 HD | 1114 |
| 7. Chatterbox HD (Resemble AI) | 1102 |
| 8. ElevenLabs Turbo v2.5 | 1097 |
| 9. ElevenLabs Multilingual v2 | 1095 |
| 10. Kokoro Text to Speech | 1064 |
El modelo de esta familia
| Modelo | Uso | Privacidad | Precio |
|---|---|---|---|
Gemini 3.1 Flash TTStts-gemini-3-1-flash | Voz | Anonimizado | 0,0843 $ por 1000 caracteres0,253 $ por una página leída en voz alta |
Especificaciones
| Especificación | Gemini 3.1 Flash TTS |
|---|---|
| Lanzamiento | 15 de abril de 2026 |
| Pesos | Cerrados |
| Acepta | text |
| Produce | audio |
| Idiomas | Más de 70 idiomas |
| Precio | 0,0843 $ por 1000 caracteres |
| Privacidad | Anonimizado |
Precios, contexto y duraciones del catálogo en vivo el 16 de octubre de 2026; parámetros y licencias según el fabricante.
Fuentes
Todo lo que hay en esta página viene de estas páginas, leídas el 16 de octubre de 2026 o en la fecha indicada en cada puntuación.
Mostrar las 6 fuentes
- 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