01
gemini-3-1-flash-tts
TTS Google expressif a 24 credits pour 1000 caracteres, soit $0.12 pour 1000 caracteres sur PoYo, avec controles pour text, style_instructions, voice, language_code, speakers, temperature et output_format.
gemini-3-1-flash-tts
Text to Speech
Modèle:
Google Gemini 3.1 Flash TTS genere une voix multilingue expressive avec audio tags granulaires, controle de style naturel et dialogue a deux locuteurs.
Examples
Détails des prix
Tarification transparente, sans frais cachés. Payez à l'usage.
gemini-3-1-flash-ttsText to speech
Prix PoYo
$0.120
24 crédits
Prix officiel
$0.150
Reference
Économie
20%
| Modèle | Spécification | Prix PoYo | Prix officiel | Économie |
|---|---|---|---|---|
| gemini-3-1-flash-tts | Text to speech | $0.120 24 crédits per 1000 characters | $0.150 Reference | 20% |
* Les frais réels sont basés sur la sortie finale.
Introduction
Guide complet d'utilisation de API Gemini 3.1 Flash TTS abordable pour un controle vocal precis par audio tags
API Gemini 3.1 Flash TTS abordable pour un controle vocal precis par audio tags
Creez des workflows text-to-speech naturels avec Gemini 3.1 Flash TTS sur PoYo. Utilisez des audio tags expressifs, des instructions de style en langage naturel, des voix Gemini, le dialogue a deux locuteurs et le suivi de statut asynchrone standard via une seule API. Generez des lignes de podcast, des voix d'app, des narrations pedagogiques et de la voix localisee avec une tarification claire par caractere.
Modèles d'API Gemini 3.1 Flash TTS disponibles sur PoYo
Essayer le Playground
Pourquoi Gemini 3.1 Flash TTS est different
Gemini 3.1 Flash TTS est concu pour une voix qui suit les consignes, change de style de lecture et prend en charge les workflows produits multilingues sans pipeline vocal complexe.
01
Audio tags granulaires
Guidez l'interpretation dans le script avec des tags expressifs comme [sigh], [laughing], [whispering] et [short pause]. Un seul champ text sert ainsi au texte et aux indications de performance.
- Controlez emotion, rythme et indices non verbaux.
- Utilisez les tags pour histoires, videos produit, podcasts et dialogues de personnages.
- Gardez les consignes vocales expressives au plus pres du script.
02
Dialogue a deux locuteurs
Associez exactement deux alias de locuteurs a differentes voix Gemini pour creer un audio conversationnel. Prefixez les lignes du text avec les speaker IDs, puis mappez chaque locuteur vers une voix distincte dans la requete API.
- Creez des segments podcast avec host et invite.
- Prototypez dialogues de personnages et conversations d'assistant.
- Configurez alias et voix pour chaque role du dialogue.
Ce que vous pouvez creer
01
Podcasts et narration
Generez des lectures de host expressives, intros, narrations de livres audio et contenus editoriaux avec une interpretation guidee.
02
Contenus de formation
Transformez scripts de cours, lecons d'onboarding et supports de formation en audio multilingue clair.
03
Dialogues de personnages
Prototypez lignes de jeu, roleplay, scenes narratives et conversations a deux voix distinctes.
04
Voix produit localisee
Creez text inputs d'app, messages support, demos produit et voix d'accessibilite dans plusieurs langues.
Tarifs Gemini 3.1 Flash TTS : PoYo vs fal.ai
PoYo expose Gemini 3.1 Flash TTS via le meme workflow de generation asynchrone que les autres modeles audio PoYo, avec une tarification claire comparee a un prix public de reference.
| Fonction | PoYo | Fal.ai |
|---|---|---|
| ID public du modele | gemini-3-1-flash-tts | Non expose |
| Prix de reference | $0.12 pour 1000 caracteres | $0.15 pour 1000 caracteres |
| Credits PoYo | 24 credits pour 1000 caracteres | N/A |
| Controles principaux | text, style_instructions, voice, language_code, speakers, temperature, output_format | Text avec controles de style, voix, langue, locuteur, temperature et format |
| Workflow | Soumettre la tache, interroger le statut standard, telecharger les fichiers audio | Workflow de file de reference |
La tarification PoYo utilise 24 credits pour 1000 caracteres. Un credit coute $0.005.
Comment utiliser Gemini 3.1 Flash TTS sur PoYo
- Obtenir votre cle API : Creez un compte PoYo et genereez une cle API depuis le dashboard. Obtenir une cle API ->
- Ecrire le text : Entrez le text a prononcer et ajoutez si besoin des audio tags comme [laughing], [sigh], [whispering] ou [short pause].
- Choisir les reglages de voix : Selectionnez une Gemini voice, puis optionnellement language_code, style_instructions, temperature, output_format, ou configurez exactement deux speakers avec speaker_id et voice.
- Soumettre et recuperer : Soumettez la tache via l'API generate PoYo, puis utilisez l'endpoint standard de statut pour recuperer la sortie audio. Voir la documentation API ->
FAQ Gemini 3.1 Flash TTS
Qu'est-ce que Gemini 3.1 Flash TTS ?
Gemini 3.1 Flash TTS est le modele text-to-speech expressif de Google pour generer un audio multilingue naturel a partir de text inputs. Il prend en charge audio tags, instructions de style en langage naturel, voix Gemini et dialogue a deux locuteurs.
Que dois-je mettre dans le champ text ?
Mettez dans text les mots a prononcer. Vous pouvez aussi inclure des audio tags inline comme [laughing], [sigh], [whispering] et [short pause]. Pour la synthese multi-locuteur, prefixez les lignes avec des alias comme Host: et Guest:.
Comment fonctionnent les style_instructions ?
Utilisez style_instructions pour une direction de lecture appliquee a toute la requete, par exemple chaleureux et lent, journal televise dramatique, accent britannique, ton enjoue ou chuchotement mysterieux.
Gemini 3.1 Flash TTS prend-il en charge les audio tags ?
Oui. Les audio tags sont un point fort du modele et aident a controler emotion, pauses, rires, chuchotements, rythme et autres details d'interpretation directement dans le script.
Quelles voix et langues sont prises en charge ?
L'API expose 30 voix Gemini comme Kore, Puck, Charon, Zephyr et Aoede. Le modele prend en charge la synthese multilingue dans plus de 70 langues, avec guidage optionnel par language_code.
Puis-je creer un dialogue multi-locuteur ?
Oui. Envoyez exactement deux speakers, chacun avec speaker_id et voice. Utilisez les memes prefixes speaker_id dans text afin que le modele route chaque ligne vers la bonne voix. Quand speakers est defini, la voice de niveau superieur est ignoree.
Quels formats de sortie puis-je demander ?
PoYo prend en charge mp3, wav et ogg_opus pour Gemini 3.1 Flash TTS. MP3 est le format par defaut et il est recommande pour des fichiers compacts sur le web et dans les apps.
Comment la facturation est-elle calculee et comment obtenir les resultats ?
PoYo facture 24 credits pour 1000 caracteres, soit $0.12 pour 1000 caracteres. Soumettez la requete de generation, puis utilisez la task_id retournee avec l'endpoint de statut standard PoYo pour recuperer les fichiers audio.
Pourquoi utiliser PoYo
01
Prix clair par caractere
Utilisez Gemini 3.1 Flash TTS a $0.12 pour 1000 caracteres avec une facturation en credits previsible.
02
Acces unifie aux modeles
Utilisez le meme compte PoYo, la meme facturation, le meme polling de statut et le meme workflow de callback pour les modeles texte, image, video et audio.
03
Workflow de production
Soumettez des jobs asynchrones, interrogez un statut stable et recuperez les fichiers vocaux termines depuis une seule surface API.
04
Controles expressifs
Exposez des controles pratiques de production pour text, style, voice, language, speakers, temperature et output_format.