Voix · Google DeepMind
Gemini 3.1 Flash TTS
Le modèle de voix de Google (avril 2026), piloté par des balises comme [whispers] dans le texte. Choisissez-le quand l’interprétation compte plus que le prix.
Anonymisé Coût très élevéCe qui le distingue
Gemini 3.1 Flash TTS permet de diriger l’interprétation en texte libre avec des balises audio et des notes de réalisateur, et couvre plus de 70 langues. Google est depuis passé à Gemini 3.8 : c’est la génération précédente.
- Balises audio et notes de réalisateur
- Plus de 70 langues, dialogue à plusieurs voix
- Tatouage SynthID sur tout l’audio
Recommandé pour : une voix qui joue : murmures, rires, pauses.
Forces et limites
Ses points forts
- Plus de 200 balises audio pour le ton, le rythme et l’accent
- Plus de 70 langues
- 30 voix
À éviter quand
- La voix la plus chère du catalogue au caractère
- Anonymisé, pas privé
- 30 voix
- Jusqu’à 5 000 caractères par requête dans Sub Rosa
Cas d’usage
Dialogue de podcast à deux voix
Intervenant 1 [excited] : On vient de lancer ! Intervenant 2 [whispers] : Ne le dites à personne pour l’instant.
Les balises donnent un contrôle fin de l’humeur ligne par ligne.
Narration de cours multilingue
Narre cette leçon lentement et clairement, avec le ton d’un professeur bienveillant.
Large couverture de langues et ton pilotable.
Face à ses rivaux
- ElevenLabsElevenLabs coûte moins cher au caractère, avec moins de langues et moins de contrôle par balises.1er sur 10 au Artificial Analysis Speech Arena (1 330 Elo)
- xAI TTSxAI utilise aussi des balises dans le texte, à environ un dixième du prix.
- Inworld TTS-1.5 MaxInworld est bien moins cher et expressif, avec 15 langues.
Historique des versions
Chaque version, datée, avec ce qu’elle a changé par rapport à la précédente.
Les points creux sont des versions antérieures qui ne sont plus proposées dans Sub Rosa.
Voir les chiffres
| Version | Sortie | 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 TTSLa plus récente
- Introduit des balises audio fines pour le style, le rythme et l’interprétation
- Plus de 70 langues et dialogue natif à plusieurs voix
- Gemini 3.8 Flash TTSAntérieure, hors de Sub Rosa
- Disponible en version stable, plus de 130 langues, balises comme <sigh> et <breath>
Benchmarks
Comment lire ces scores : ce qu’un benchmark dit.
Artificial Analysis Speech Arena : 3e sur 10 modèles mesurés du catalogue. Des gens écoutent la même phrase lue par deux voix, sans connaître les modèles, et choisissent la plus naturelle. Un classement Elo : plus le score est haut, plus la voix paraît naturelle au plus grand nombre. À 100 points d’écart, le mieux classé gagne environ 64 % des duels.
- 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
Voir les chiffres
| Modèle | 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 |
Le modèle de cette famille
| Modèle | Usage | Confidentialité | Prix |
|---|---|---|---|
Gemini 3.1 Flash TTStts-gemini-3-1-flash | Voix | Anonymisé | 0,0843 $ pour 1 000 caractères0,253 $ la page lue |
Fiche technique
| Caractéristique | Gemini 3.1 Flash TTS |
|---|---|
| Sortie | 15 avril 2026 |
| Poids | Fermés |
| Accepte | texte |
| Produit | audio |
| Langues | Plus de 70 langues |
| Prix | 0,0843 $ pour 1 000 caractères |
| Confidentialité | Anonymisé |
Prix, contexte et durées tirés du catalogue le 16 octobre 2026 ; paramètres et licences selon le fabricant.
Sources
Tout ce qui figure sur cette page vient de ces pages, lues le 16 octobre 2026 ou à la date indiquée sur chaque score.
Afficher les 6 sources
- 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