Google

Gemini 3.1 Flash TTS

Bald verfügbar

gemini-3.1-flash-tts

Niedriglatentes Text-to-Speech-Modell, das Tonlage, Sprechgeschwindigkeit und Akzent über im Text eingebettete Audio-Tags steuert, über 70 Sprachen unterstützt und über die einheitliche Schnittstelle von HiAPI.ai aufgerufen wird

gemini-3.1-flash-tts

Überblick

Einführung in Arbeit

Eine ausführliche Anleitung zu diesem Modell wird gerade erstellt. Preise, Parameter und die API-Dokumentation unten sind bereits verfügbar.

gemini-3.1-flash-tts ist ein Text-to-Speech-Modell (TTS) von Google aus der Gemini-3.1-Flash-Reihe mit Audio als Ausgabemodalität. Offiziell wird es als Sprachgenerierungsmodell mit niedriger Latenz und hoher Natürlichkeit positioniert, wobei der Schwerpunkt auf der Steuerbarkeit der Stimme und der mehrsprachigen Abdeckung liegt.

Den offiziell veröffentlichten Informationen zufolge unterstützt das Modell die feingranulare Steuerung von Stimmfarbe, Sprechgeschwindigkeit, Akzent und Ausdrucksweise über natürlichsprachliche "Audio-Tags", die in den Text eingebettet werden. Es deckt über 70 Sprachen ab und gibt hochauflösende Sprache aus; in das erzeugte Audio ist ein SynthID-Wasserzeichen eingebettet, das KI-generierte Inhalte kennzeichnet. Zu den offiziell genannten Einsatzbereichen zählen Barrierefreiheit und unterstützte Kommunikation, Spiele und Hörinhaltsproduktion, mehrsprachiger Kundenservice und Ansagen sowie lokalisierte Synchronisation – also Sprachszenarien, die eine kontrollierbare Ausdrucksweise erfordern.

Das Modell befindet sich derzeit in der öffentlichen Vorschauphase. Die offizielle Version wird als gemini-3.1-flash-tts-preview in Google AI Studio und Vertex AI bereitgestellt; Schnittstelle und Verhalten können sich noch ändern. Auf HiAPI.ai ist das Modell noch nicht zur Nutzung verfügbar und steht kurz vor der Einführung; der konkrete Einführungstermin, das Abrechnungsmodell und die Schnittstellendetails richten sich nach der offiziellen Einführung.

Nach der Einführung wird HiAPI.ai diese Sprachsynthesefähigkeit gemäß der einheitlichen Modellanbindung der Plattform bereitstellen. Die tatsächlich verfügbaren Parameter, der Sprachumfang und die Aufrufform richten sich nach der offiziellen Veröffentlichung und den Einführungshinweisen der Plattform.