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 costO 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.
Histórico de versões
Cada versão, com data, e o que ela mudou em relação à anterior.
Os pontos vazados são versões anteriores que o Sub Rosa não oferece mais.
Ver os números
| Versão | Lançamento | 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 TTSA mais recente
- Chegam tags de áudio detalhadas para estilo, ritmo e interpretação
- Mais de 70 idiomas e diálogo nativo com várias vozes
- Gemini 3.8 Flash TTSAnterior, fora do Sub Rosa
- Disponível na versão estável, mais de 130 idiomas, tags no texto como <sigh> e <breath>
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.
- 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
Ver os números
| Modelo | 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 |
O modelo desta família
| Modelo | Uso | Privacidade | Preço |
|---|---|---|---|
Gemini 3.1 Flash TTStts-gemini-3-1-flash | Voz | Anonimizado | $ 0,0843 por 1.000 caracteres$ 0,253 por uma página lida em voz alta |
Especificações
| Especificação | Gemini 3.1 Flash TTS |
|---|---|
| Lançamento | 15 de abril de 2026 |
| Pesos | Fechados |
| Aceita | text |
| Produz | audio |
| Idiomas | Mais de 70 idiomas |
| Preço | $ 0,0843 por 1.000 caracteres |
| Privacidade | Anonimizado |
Preços, contexto e durações do catálogo ao vivo em 16 de outubro de 2026; parâmetros e licenças segundo o fabricante.
Fontes
Tudo nesta página vem destas páginas, lidas em 16 de outubro de 2026 ou na data indicada em cada pontuação.
Mostrar as 6 fontes
- 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