01
gemini-3-1-flash-tts
Google TTS espressivo a 24 crediti per 1000 caratteri, pari a $0.12 per 1000 caratteri su PoYo, con controlli per testo, istruzioni di stile, voce, lingua, altoparlanti, temperatura e formato di output.
gemini-3-1-flash-tts
Text to Speech
Vedi altri modelli di GoogleModel:
Google Gemini 3.1 Flash TTS genera un parlato multilingue espressivo con tag audio granulari, controllo dello stile naturale e dialogo a due altoparlanti.
Examples
Dettagli dei prezzi
Paghi solo ciò che usi. Nessun abbonamento, nessun costo nascosto.
| Fascia | Prezzo PoYo | Originale / sconto |
|---|---|---|
| Sintesi vocale | $0.120/1K caratteri 24 crediti/1K caratteri 10,000 caratteri: $1.20 | $0.150/1K caratteriRisparmia il 20% Riferimento |
Come viene fatturato: Fatturato ogni 1.000 caratteri di testo in input.
Gli addebiti si basano sull'output finale.
Modelli consigliati
Introduzione
Guida completa all'utilizzo di Conveniente API Gemini 3.1 Flash TTS per un controllo vocale preciso dei tag audio
Conveniente API Gemini 3.1 Flash TTS per un controllo vocale preciso dei tag audio
Crea flussi di lavoro di sintesi vocale naturali con Gemini 3.1 Flash TTS su PoYo. Utilizza tag audio espressivi, istruzioni in stile linguaggio naturale, preimpostazioni vocali Gemini, dialogo a due altoparlanti e polling dello stato asincrono standard tramite un'unica API. Genera linee di podcast, voci di app, narrazioni didattiche e discorsi localizzati a prezzi chiari per carattere.
Modelli API Gemini 3.1 Flash TTS disponibili su PoYo
Prova Parco giochi
Perché Gemini 3.1 Flash TTS è diverso
Gemini 3.1 Flash TTS è progettato per il parlato che segue la direzione, cambia la consegna e supporta flussi di lavoro di prodotti multilingue senza una pipeline vocale complessa.
01
Tag audio granulari
Guida la consegna all'interno della sceneggiatura con tag espressivi come [sigh], [ridendo], [sussurrando] e [breve pausa]. Ciò rende un singolo campo di testo utile sia per le parole che per la direzione dell'esecuzione.
- Controllare le emozioni, il ritmo e i segnali non verbali.
- Utilizza i tag per storie, video di prodotti, podcast e linee di personaggi.
- Mantieni la direzione espressiva del discorso vicina alla sceneggiatura.
02
Dialogo a due oratori
Assegna esattamente due alias degli altoparlanti a diverse voci Gemini per l'audio conversazionale. Prefissa le righe del testo con gli ID degli oratori, quindi associa ciascun oratore a una voce distinta nella richiesta API.
- Crea segmenti di podcast host e ospiti.
- Prototipo di dialoghi con i personaggi e conversazioni con gli assistenti.
- Configura gli alias e le voci degli oratori per ciascun ruolo di dialogo.
Cosa puoi costruire
01
Podcast e narrazione
Genera letture espressive dell'ospite, segmenti introduttivi, narrazione di audiolibri e audio editoriale con consegna guidata.
02
Contenuto didattico
Trasforma i testi dei corsi, le lezioni iniziali e il materiale di formazione in audio parlato multilingue chiaro.
03
Dialogo tra personaggi
Prototipa linee di gioco, flussi di gioco di ruolo, scene di storie e conversazioni a due interlocutori con voci distinte.
04
Voce del prodotto localizzato
Crea input di testo per l'app, messaggi di supporto, demo di prodotti e discorsi sull'accessibilità in più lingue.
Prezzi di Gemini 3.1 Flash TTS: PoYo contro fal.ai
PoYo espone Gemini 3.1 Flash TTS attraverso lo stesso flusso di lavoro di generazione asincrona utilizzato nei modelli audio PoYo, con prezzi chiari rispetto a un prezzo di riferimento pubblico.
| Funzionalità | PoYo | Fal.ai |
|---|---|---|
| ID modello pubblico | gemini-3-1-flash-tts | Non esposto |
| Fal.ai | $0.12 per 1000 caratteri | $0.15 per 1000 caratteri |
| Crediti PoYo | 24 crediti ogni 1000 caratteri | N/A |
| Controlli fondamentali | testo, style_instructions, voce, language_code, altoparlanti, temperatura, output_format | Inserimento di testo con controlli di stile, voce, lingua, altoparlante, temperatura e formato |
| Flusso di lavoro | Invia attività, polling sullo stato standard, scarica file audio | Flusso di lavoro della coda di riferimento |
Il prezzo PoYo utilizza 24 crediti per 1000 caratteri. Un credito ha un prezzo di $0.005.
Come utilizzare Gemini 3.1 Flash TTS su PoYo
- Ottieni la tua chiave API: Crea un account PoYo e genera una chiave API dal dashboard. Ottieni chiave API ->
- Scrivi il testo: Inserisci il testo del discorso e aggiungi tag audio come [ridendo], [sospiro], [sussurrando] o [pausa breve] quando hai bisogno di una resa espressiva.
- Scegli le impostazioni della voce: Seleziona una voce Gemini, opzionale language_code, style_instructions, temperatura, output_format, oppure configura esattamente due altoparlanti con speaker_id e voce.
- Invia e recupera: Invia tramite il generatore API di PoYo, quindi interroga l'endpoint dello stato attività standard per l'output audio. Visualizza documenti API ->
Domande frequenti su Gemini 3.1 Flash TTS
Cos'è Gemini 3.1 Flash TTS?
Gemini 3.1 Flash TTS è il modello di sintesi vocale espressivo di Google per la generazione di audio multilingue naturale da input di testo. Supporta tag audio, direzione dello stile in linguaggio naturale, preimpostazioni vocali Gemini e dialogo a due altoparlanti.
Cosa devo inserire nel campo di testo?
Inserisci le parole che vuoi che vengano pronunciate nel testo. Puoi anche includere tag audio in linea come [risata], [sospiro], [sussurro] e [breve pausa]. Per la sintesi con più altoparlanti, prefissare le linee con alias come Host: e Guest:.
Come funzionano le style_instructions?
Utilizza style_instructions per indicazioni di consegna che dovrebbero applicarsi all'intera richiesta, ad esempio un telegiornale caldo e lento, drammatico, accento britannico, tono allegro o sussurro misterioso.
Gemini 3.1 Flash TTS supporta i tag audio?
SÌ. I tag audio sono un punto di forza fondamentale del modello e aiutano a controllare emozioni, pause, risate, sussurri, ritmo e altri dettagli di consegna direttamente all'interno della sceneggiatura.
Quali voci e lingue sono supportate?
L'API espone 30 preimpostazioni vocali Gemini come Kore, Puck, Charon, Zephyr e Aoede. Il modello supporta la sintesi multilingue in oltre 70 lingue, con la gestione del language_code opzionale.
Posso creare un dialogo con più interlocutori?
SÌ. Invia esattamente due altoparlanti, ciascuno con uno speaker_id e una voce. Utilizza gli stessi prefissi speaker_id nel testo in modo che il modello possa instradare ogni riga alla voce desiderata. Quando gli altoparlanti sono impostati, la voce di livello superiore viene ignorata.
Quali formati di output posso richiedere?
PoYo supporta mp3, wav e ogg_opus per Gemini 3.1 Flash TTS. MP3 è l'impostazione predefinita ed è consigliata quando si desiderano file compatti per la riproduzione su Web e app.
Come viene calcolata la fatturazione e come si ottengono i risultati?
PoYo fattura 24 crediti per 1000 caratteri, pari a $0.12 per 1000 caratteri. Invia la richiesta di generazione, quindi utilizza il task_id restituito con l'endpoint di stato dell'attività standard di PoYo per recuperare i file audio.
Perché usare PoYo
01
Prezzi chiari per carattere
Utilizza Gemini 3.1 Flash TTS a $0.12 per 1000 caratteri con fatturazione a credito prevedibile.
02
Accesso al modello unificato
Utilizza lo stesso account PoYo, fatturazione, polling sullo stato e flusso di lavoro di callback su modelli di testo, immagini, video e audio.
03
Flusso di lavoro di produzione
Invia lavori asincroni, esegui il polling sullo stato stabile delle attività e recupera i file vocali completati da una superficie API.
04
Controlli espressivi
Esponi controlli pratici di produzione per testo, stile, voce, lingua, altoparlanti, temperatura e formato di output.