01
gemini-3-1-flash-tts
TTS expressivo do Google por 24 credits a cada 1000 caracteres, equivalente a $0.12 por 1000 caracteres na PoYo, com controles para text, style_instructions, voice, language_code, speakers, temperature e output_format.
gemini-3-1-flash-tts
Text to Speech
Modelo:
Google Gemini 3.1 Flash TTS gera fala multilingue expressiva com audio tags granulares, controle natural de estilo e dialogo com dois speakers.
Examples
Detalhes de preços
Preços transparentes, sem taxas ocultas. Pague conforme o uso.
gemini-3-1-flash-ttsText to speech
Preço PoYo
$0.120
24 créditos
Preço oficial
$0.150
Reference
Economia
20%
| Modelo | Especificação | Preço PoYo | Preço oficial | Economia |
|---|---|---|---|---|
| gemini-3-1-flash-tts | Text to speech | $0.120 24 créditos per 1000 characters | $0.150 Reference | 20% |
* As taxas reais são baseadas na saída final.
Introdução
Guia completo para usar o API Gemini 3.1 Flash TTS acessivel para controle preciso por audio tags
API Gemini 3.1 Flash TTS acessivel para controle preciso por audio tags
Crie fluxos naturais de text-to-speech com Gemini 3.1 Flash TTS na PoYo. Use audio tags expressivas, instrucoes de estilo em linguagem natural, vozes Gemini, dialogo com dois speakers e consulta de status assincrona padrao em uma unica API. Gere falas de podcast, vozes para apps, narracao educacional e audio localizado com preco claro por caractere.
Modelos de API Gemini 3.1 Flash TTS disponíveis no PoYo
Testar Playground
Por que Gemini 3.1 Flash TTS e diferente
Gemini 3.1 Flash TTS foi criado para fala que segue direcao, alterna entrega e suporta fluxos de produto multilingues sem uma pipeline de voz complexa.
01
Audio tags granulares
Oriente a entrega dentro do script com tags expressivas como [sigh], [laughing], [whispering] e [short pause]. Isso torna um unico campo text util tanto para palavras quanto para direcao de performance.
- Controle emocao, ritmo e pistas nao verbais.
- Use tags em historias, videos de produto, podcasts e falas de personagens.
- Mantenha a direcao expressiva perto do script.
02
Dialogo com dois speakers
Atribua exatamente dois aliases de speaker a vozes Gemini diferentes para criar audio conversacional. Prefixe linhas no text com speaker IDs e mapeie cada speaker para uma voz distinta na requisicao da API.
- Crie segmentos de podcast com host e convidado.
- Prototipe dialogos de personagens e conversas de assistente.
- Configure aliases e vozes para cada papel do dialogo.
O que voce pode criar
01
Podcasts e narracao
Gere leituras expressivas de host, introducoes, narracao de audiolivro e audio editorial com entrega guiada.
02
Conteudo de aprendizagem
Transforme scripts de curso, aulas de onboarding e materiais de treinamento em audio multilingue claro.
03
Dialogo de personagens
Prototipe falas de jogos, fluxos de roleplay, cenas de historia e conversas com dois speakers distintos.
04
Voz de produto localizada
Crie text inputs de app, mensagens de suporte, demos de produto e fala de acessibilidade em varios idiomas.
Preços do Gemini 3.1 Flash TTS: PoYo vs fal.ai
A PoYo oferece Gemini 3.1 Flash TTS pelo mesmo fluxo assincrono de geracao usado nos modelos de audio da PoYo, com preco claro comparado a um preco publico de referencia.
| Recurso | PoYo | Fal.ai |
|---|---|---|
| ID publico do modelo | gemini-3-1-flash-tts | Nao exposto |
| Preco de referencia | $0.12 por 1000 caracteres | $0.15 por 1000 caracteres |
| PoYo credits | 24 credits por 1000 caracteres | N/A |
| Controles principais | text, style_instructions, voice, language_code, speakers, temperature, output_format | Entrada text com controles de estilo, voz, idioma, speaker, temperatura e formato |
| Workflow | Enviar tarefa, consultar status padrao, baixar arquivos de audio | Workflow de fila de referencia |
O preco da PoYo usa 24 credits por 1000 caracteres. Um credit custa $0.005.
Como usar Gemini 3.1 Flash TTS na PoYo
- Obtenha sua API Key: Crie uma conta PoYo e gere uma API Key no dashboard. Obter API Key ->
- Escreva o text: Insira o text que sera falado e adicione audio tags como [laughing], [sigh], [whispering] ou [short pause] quando precisar de uma entrega expressiva.
- Escolha as configuracoes de voz: Selecione uma Gemini voice, opcionalmente language_code, style_instructions, temperature, output_format, ou configure exatamente dois speakers com speaker_id e voice.
- Envie e recupere: Envie a tarefa pela API generate da PoYo e consulte o endpoint padrao de status para obter a saida de audio. Ver docs da API ->
FAQ Gemini 3.1 Flash TTS
O que e Gemini 3.1 Flash TTS?
Gemini 3.1 Flash TTS e o modelo text-to-speech expressivo do Google para gerar audio multilingue natural a partir de text inputs. Ele suporta audio tags, direcao de estilo em linguagem natural, vozes Gemini e dialogo com dois speakers.
O que devo colocar no campo text?
Coloque no text as palavras que devem ser faladas. Voce tambem pode incluir audio tags inline como [laughing], [sigh], [whispering] e [short pause]. Para sintese multi-speaker, prefixe as linhas com aliases como Host: e Guest:.
Como funcionam style_instructions?
Use style_instructions para direcao de entrega aplicada a toda a requisicao, como quente e lento, noticiario dramatico, sotaque britanico, tom alegre ou sussurro misterioso.
Gemini 3.1 Flash TTS suporta audio tags?
Sim. Audio tags sao uma forca central do modelo e ajudam a controlar emocao, pausas, risadas, sussurros, ritmo e outros detalhes de entrega diretamente no script.
Quais vozes e idiomas sao suportados?
A API expoe 30 vozes Gemini, como Kore, Puck, Charon, Zephyr e Aoede. O modelo suporta sintese multilingue em mais de 70 idiomas, com direcionamento opcional por language_code.
Posso criar dialogo multi-speaker?
Sim. Envie exatamente dois speakers, cada um com speaker_id e voice. Use os mesmos prefixos speaker_id no text para que o modelo direcione cada linha para a voz correta. Quando speakers e definido, a voice de nivel superior e ignorada.
Quais formatos de saida posso solicitar?
A PoYo suporta mp3, wav e ogg_opus para Gemini 3.1 Flash TTS. MP3 e o padrao e e recomendado para arquivos compactos em web e apps.
Como a cobranca e calculada e como recebo os resultados?
A PoYo cobra 24 credits por 1000 caracteres, equivalente a $0.12 por 1000 caracteres. Envie a requisicao de geracao e use a task_id retornada no endpoint padrao de status da PoYo para recuperar os arquivos de audio.
Por que usar PoYo
01
Preco claro por caractere
Use Gemini 3.1 Flash TTS por $0.12 a cada 1000 caracteres com cobranca previsivel em credits.
02
Acesso unificado a modelos
Use a mesma conta PoYo, cobranca, consulta de status e workflow de callback em modelos de texto, imagem, video e audio.
03
Workflow de producao
Envie jobs assincronos, consulte status estavel e recupere arquivos de fala finalizados em uma unica superficie de API.
04
Controles expressivos
Disponibilize controles praticos de producao para text, style, voice, language, speakers, temperature e output_format.