Gemini 3.1 Flash TTS
google / gemini-3-1-flash-tts

Gemini 3.1 Flash TTS Preview es un modelo expresivo de texto a voz de Google que ofrece generación de voces naturales por IA con un control avanzado sobre el tono, la emoción, el ritmo y el estilo de habla.

Pricing: Input 140 credits / 1M tokens (≈ $0.70), Audio Output 2,800 credits / 1M tokens (≈ $14.00). ~30% cheaper than official pricing. High-tier top-ups (+10% bonus) bring effective pricing down to ~90% of the above.
Input
0 / 2
No items yet. Click Add to start.

At least 1 item(s) required

0
No items yet. Click Add to start.

At least 1 item(s) required

Controls the randomness of the speech output. Higher values produce more creative and varied delivery, while lower values make the output more predictable and focused. Default value: 1

scene description

0/1000

Example Context / Overall Tone

0/1000
Output
output typeaudio

README

Complete guide to using google/gemini-3-1-flash-tts

API de Gemini 3.1 Flash TTS para la generación de voces naturales y expresivas

Imagen de demostración de la sección principal que muestra los componentes de la interfaz
Feature image
Genera audio más natural con la API de Gemini 3.1 Flash TTS
Controla la entrega vocal con etiquetas de audio en la API TTS de Gemini 3.1 Flash
Diseña estilos de voz personalizados a través de la API TTS de Google Gemini 3.1 Flash
Crea diálogos más ricos con la API TTS de Gemini 3.1 Flash Preview
Ofrece experiencias multilingües con la API Gemini 3.1 Flash Text To Speech
Desarrolla aplicaciones de voz flexibles con la API gemini-3.1-flash-tts-preview
Criterios de comparaciónGemini 3.1 Flash TTSGemini 2.5 Flash TTSEleven v3Inworld TTS
Model PositioningExpressive speech generation model designed for natural delivery, detailed control, and scalable multilingual audio creationEarlier Gemini TTS model focused on efficient and general speech synthesisAdvanced voice generation model focused on highly expressive and realistic speechCharacter-focused speech model designed for interactive AI experiences
Speech NaturalnessStrong naturalness with improved vocal clarity, conversational rhythm, and expressive variationProvides natural speech output with less refined delivery controlHigh-quality voice realism with strong emotional performanceNatural character-style voices optimized for interactive scenarios
Expressive ControlAudio tags and natural-language instructions provide detailed control over emotion, pacing, pauses, and vocal styleSupports general voice instructions with fewer fine-grained controlsProvides voice style and emotional control through prompting and voice designEmphasizes personality-driven voice customization
Voice DirectionSupports speaker identity, scene context, accent, tone, and performance guidanceProvides basic style guidance for speech generationAllows detailed voice and character directionDesigned around creating unique AI characters and personalities
Multilingual CapabilitySupports more than 70 languages with multilingual speech generationSupports multilingual output with broader limitations compared with newer generation capabilitiesSupports multilingual voice generation across different regionsProvides multilingual capabilities for conversational applications
Multi-Speaker DialogueSupports multiple speakers with separate voice characteristics and delivery stylesProvides more limited dialogue generation capabilitiesSupports multi-voice creation depending on workflowStrong focus on character interaction and dialogue scenarios
Speech CustomizationEnables both global style direction and moment-level delivery adjustmentsMainly focused on overall voice generation settingsStrong customization through voice design and style controlStrong customization for interactive characters
  • 01
  • 02
  • 03
  • 04
  • 05
  • 06
  • Audiolibros expresivos y narración de historias con la API TTS de Gemini 3.1 Flash
    Asistentes de voz interactivos impulsados por la API TTS de Gemini 3.1 Flash
    Creación de contenido multilingüe con la API TTS Preview de Gemini 3.1 Flash
    Accesibilidad y soluciones de audio empresarial con la API TTS Preview de Gemini 3.1 Flash

    La API TTS de Gemini 3.1 Flash es un modelo de conversión de texto a voz diseñado para transformar contenido escrito en audio natural y expresivo. Admite un control de voz detallado mediante instrucciones de estilo y etiquetas de audio, lo que permite a los desarrolladores ajustar el tono, el ritmo, la emoción y el estilo de locución para diferentes escenarios de generación de voz.

    Sí. Gemini 3.1 Flash TTS admite la generación de voz en más de 70 idiomas, lo que ayuda a los desarrolladores a crear experiencias de audio localizadas para usuarios de todo el mundo. Al combinarse con un control de voz flexible y opciones expresivas, permite una generación de voz multilingüe mucho más natural. Consulta la documentación más reciente de la API de Kie.ai para obtener la lista actualizada de idiomas compatibles y opciones de voz disponibles.

    Las etiquetas de audio permiten a los desarrolladores controlar partes específicas de la salida de voz al añadir instrucciones expresivas al texto. Ayudan a gestionar elementos como emociones, pausas, susurros, risas y cambios de ritmo, lo que hace que el audio generado sea más dinámico y natural para narraciones, diálogos y aplicaciones interactivas.

    Sí. Gemini 3.1 Flash TTS admite la generación de diálogos multihablante con características y estilos de voz únicos para cada participante. Esta capacidad permite a los desarrolladores crear conversaciones más naturales, interacciones entre personajes, diálogos educativos y experiencias de audio guionizadas con distintas identidades vocales. Consulta la documentación más reciente de la API de Kie.ai para conocer las configuraciones multihablante admitidas, las opciones disponibles y los detalles de integración.

    La API TTS de Gemini 3.1 Flash puede soportar una amplia variedad de aplicaciones basadas en voz, incluyendo audiolibros, podcasts, asistentes de voz, herramientas de accesibilidad, plataformas educativas, contenido localizado y comunicaciones empresariales automatizadas. Sus controles expresivos y capacidades multilingües la hacen adecuada para proyectos que requieren voces generadas por IA más atractivas.

    Sí. Los desarrolladores pueden acceder a la API TTS de Gemini 3.1 Flash a través de Kie.ai e integrar la generación de voz por IA expresiva en sus aplicaciones. Kie.ai proporciona una forma simplificada de conectarse con el modelo y crear flujos de trabajo impulsados por voz sin gestionar integraciones por separado.

    La documentación más reciente de la API TTS de Gemini 3.1 Flash en Kie.ai proporciona información sobre los métodos de integración, las opciones compatibles, las capacidades disponibles y los requisitos de uso. Los desarrolladores deberían revisar la documentación para conocer las características actualizadas del modelo y los detalles actuales de la API.