Google

Gemini 3.1 Flash TTS

Em breve

gemini-3.1-flash-tts

Modelo de conversão de texto em fala de baixa latência, que usa etiquetas de áudio incorporadas no texto para controlar timbre, velocidade da fala e sotaque, com suporte a mais de 70 idiomas e chamada por meio da interface unificada da HiAPI.ai

gemini-3.1-flash-tts

Visão geral

Introdução em preparação

Um guia detalhado deste modelo está sendo preparado. Preços, parâmetros e a documentação da API abaixo já estão disponíveis.

O gemini-3.1-flash-tts é um modelo de conversão de texto em fala (TTS) lançado pelo Google, pertencente à série Gemini 3.1 Flash, com modalidade de saída em áudio. Oficialmente, ele é posicionado como um modelo de geração de fala de baixa latência e alta naturalidade, com foco na controlabilidade da voz e na cobertura multilíngue.

De acordo com as informações divulgadas oficialmente, o modelo permite o controle refinado de timbre, velocidade da fala, sotaque e forma de expressão por meio de "tags de áudio" em linguagem natural incorporadas ao texto, abrange mais de 70 idiomas e gera fala de alta fidelidade; o áudio gerado incorpora a marca d'água SynthID para identificar conteúdo gerado por IA. As áreas de aplicação divulgadas oficialmente incluem acessibilidade e comunicação assistiva, produção de conteúdo para jogos e audiolivros, atendimento e locução multilíngues, além de dublagem para localização e outros cenários de fala que exigem expressão controlável.

O modelo encontra-se atualmente em fase de pré-visualização pública; a versão oficial é oferecida no Google AI Studio e no Vertex AI na forma gemini-3.1-flash-tts-preview, e sua interface e comportamento ainda podem mudar. No HiAPI.ai, o modelo ainda não está disponível para chamadas e encontra-se em estado de lançamento iminente; a data específica de lançamento, a forma de cobrança e os detalhes da interface estão sujeitos ao lançamento oficial.

Após o lançamento, o HiAPI.ai oferecerá essa capacidade de síntese de fala seguindo o modo unificado de integração de modelos da plataforma; os parâmetros efetivamente disponíveis, o escopo de idiomas e o formato de chamada estão sujeitos ao lançamento oficial e às instruções de lançamento da plataforma.