Voz · Google DeepMind

Gemini 3.1 Flash TTS

O modelo de voz do Google de abril de 2026, guiado por tags como [whispers] escritas no texto. Escolha-o quando a interpretação importa mais do que o preço.

Anonimizado Very high cost
Última versãoGemini 3.1 Flash TTS15 de abril de 2026
Artificial Analysis Speech Arena1.209 Elo3º de 10 em Artificial Analysis Speech Arena
Preço$ 0,0843 por 1.000 caracteres$ 0,253 por uma página lida em voz alta
Especificação principalMais de 70 idiomas

O que o diferencia

O Gemini 3.1 Flash TTS permite dirigir a interpretação em texto simples com tags de áudio e notas de direção, e cobre mais de 70 idiomas. Desde então o Google levou a família para o Gemini 3.8, então esta é a geração anterior.

  • Tags de áudio e notas de direção
  • Mais de 70 idiomas, diálogo com várias vozes
  • Marca d'água SynthID em todo o áudio

Recomendado para: uma voz que atua: sussurros, risadas, pausas.

Pontos fortes e limites

Onde ele brilha

  • Mais de 200 tags de áudio para tom, ritmo e sotaque
  • Mais de 70 idiomas
  • 30 vozes

Pense duas vezes quando

  • A voz mais cara do catálogo por caractere
  • Anonimizado, não privado
  • 30 vozes
  • Até 5.000 caracteres por solicitação no Sub Rosa

Casos de uso

Diálogo de podcast a duas vozes

Interlocutor 1 [excited]: Acabamos de lançar! Interlocutor 2 [whispers]: Não conta pra ninguém ainda.

As tags dão um controle fino do clima, fala por fala.

Narração de curso em vários idiomas

Narre esta aula devagar e com clareza, no tom de um professor amigável.

Ampla cobertura de idiomas e tom ajustável.

Diante dos rivais

  • ElevenLabsO ElevenLabs é mais barato por caractere, com menos idiomas e menos controle por tags.1º de 10 em Artificial Analysis Speech Arena ( 1.330 Elo)
  • xAI TTSO xAI também usa tags no texto, por cerca de um décimo do preço.
  • Inworld TTS-1.5 MaxO Inworld é muito mais barato e expressivo, com 15 idiomas.
Comparar lado a lado ↗

Histórico de versões

Cada versão, com data, e o que ela mudou em relação à anterior.

Artificial Analysis Speech Arena, versão após versãoPontuação Elo · Artificial Analysis

Os pontos vazados são versões anteriores que o Sub Rosa não oferece mais.

Ver os números
VersãoLançamentoElo
Gemini 3.1 Flash TTS2026-04-151.209
Gemini 3.8 Flash TTS2026-09-221.275
  1. Gemini 3.1 Flash TTSA mais recente
    • Chegam tags de áudio detalhadas para estilo, ritmo e interpretação
    • Mais de 70 idiomas e diálogo nativo com várias vozes
    Fonte : blog.google
  2. Gemini 3.8 Flash TTSAnterior, fora do Sub Rosa
    • Disponível na versão estável, mais de 130 idiomas, tags no texto como <sigh> e <breath>
    Fonte : ai.google.dev

Benchmarks

Como ler estas pontuações: o que um benchmark diz.

Artificial Analysis Speech Arena: 3º de 10 modelos medidos no catálogo. As pessoas ouvem a mesma frase lida por duas vozes, sem saber quais são os modelos, e escolhem a mais natural. Uma pontuação Elo: quanto maior, mais natural soa para mais pessoas. Com 100 pontos de diferença, o modelo mais bem pontuado vence cerca de 64% dos duelos.

Artificial Analysis Speech ArenaPontuação Elo · Artificial Analysis, 4 de outubro de 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
Ver os números
ModeloElo
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

O modelo desta família

ModeloUsoPrivacidadePreço
Gemini 3.1 Flash TTStts-gemini-3-1-flashVozAnonimizado$ 0,0843 por 1.000 caracteres$ 0,253 por uma página lida em voz alta

Especificações

EspecificaçãoGemini 3.1 Flash TTS
Lançamento15 de abril de 2026
PesosFechados
Aceitatext
Produzaudio
IdiomasMais de 70 idiomas
Preço$ 0,0843 por 1.000 caracteres
PrivacidadeAnonimizado

Preços, contexto e durações do catálogo ao vivo em 16 de outubro de 2026; parâmetros e licenças segundo o fabricante.