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

Gemini 3.1 Flash TTS Preview — это выразительная модель синтеза речи от Google, которая обеспечивает генерацию естественного ИИ-голоса с расширенным контролем над тоном, эмоциями, темпом и стилем речи.

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 Gemini 3.1 Flash TTS для генерации естественного и выразительного голоса

Демонстрационное изображение главного экрана с компонентами интерфейса
Feature image
Создавайте более естественное аудио с API Gemini 3.1 Flash TTS
Управление подачей голоса с помощью аудиотегов в API Gemini 3.1 Flash TTS
Создавайте уникальные стили речи с помощью API Google Gemini 3.1 Flash TTS
Создавайте более живые диалоги с API Gemini 3.1 Flash TTS Preview
Создавайте мультиязычный контент с помощью API Gemini 3.1 Flash Text-to-Speech
Создавайте гибкие голосовые приложения с помощью API gemini-3.1-flash-tts-preview
Критерии сравненияGemini 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
  • Выразительные аудиокниги и озвучивание историй с помощью Gemini 3.1 Flash TTS API
    Интерактивные голосовые помощники на базе Gemini 3.1 Flash TTS API
    Создание многоязычного контента с помощью API Gemini 3.1 Flash TTS Preview
    Доступность и корпоративные аудиорешения с API Gemini 3.1 Flash TTS Preview

    API Gemini 3.1 Flash TTS — это модель синтеза речи, разработанная для преобразования письменного контента в естественное и выразительное аудио. Она поддерживает детальное управление голосом с помощью стилевых инструкций и аудиотегов, позволяя разработчикам настраивать тон, темп, эмоции и стиль подачи для различных сценариев генерации речи.

    Да. Gemini 3.1 Flash TTS поддерживает синтез речи на более чем 70 языках, помогая разработчикам создавать локализованный аудиоконтент для пользователей по всему миру. В сочетании с гибкими настройками голоса и управлением выразительностью это обеспечивает более естественный многоязычный синтез речи. Актуальный список поддерживаемых языков и доступных голосов представлен в документации API Kie.ai.

    Аудиотеги позволяют разработчикам управлять звучанием определенных фрагментов речи, добавляя в текст инструкции по выразительности. С их помощью можно контролировать такие элементы, как эмоции, паузы, шепот, смех и изменения темпа, делая сгенерированное аудио более динамичным и естественным для дикторской озвучки, диалогов и интерактивных приложений.

    Да. Gemini 3.1 Flash TTS поддерживает генерацию многоголосных диалогов с различными голосовыми характеристиками и стилями подачи для каждого диктора. Эта возможность позволяет разработчикам создавать более естественные беседы, взаимодействия персонажей, образовательные диалоги и сценарный аудиоконтент с четко различимыми голосами дикторов. Подробную информацию о поддерживаемых многоголосных конфигурациях, доступных параметрах и деталях интеграции смотрите в актуальной документации API Kie.ai.

    Gemini 3.1 Flash TTS API поддерживает широкий спектр приложений на базе речевых технологий, включая аудиокниги, подкасты, голосовых помощников, инструменты специальных возможностей, образовательные платформы, локализованный контент и автоматизацию бизнес-коммуникаций. Гибкие настройки выразительности и мультиязычность делают его отличным выбором для проектов, которым нужны более живые и привлекательные ИИ-голоса.

    Да. Разработчики могут получить доступ к Gemini 3.1 Flash TTS API через Kie.ai и интегрировать генерацию выразительной речи с помощью ИИ в свои приложения. Kie.ai предлагает удобный способ подключения к модели для создания голосовых сценариев без необходимости настраивать отдельные интеграции.

    Актуальная документация по Gemini 3.1 Flash TTS API на платформе Kie.ai содержит информацию о методах интеграции, поддерживаемых опциях, доступных возможностях и требованиях к использованию. Разработчикам стоит изучить документацию, чтобы быть в курсе обновленных функций модели и текущих спецификаций API.