01
gemini-3-1-flash-tts
TTS expressivo da Google a 24 créditos por 1000 carateres, o equivalente a $0.12 por 1000 carateres na PoYo, com controlos para texto, instruções de estilo, voz, idioma, locutores, temperatura e formato de saída.
gemini-3-1-flash-tts
Text to Speech
Ver mais modelos de GoogleModelo:
O Gemini 3.1 Flash TTS da Google gera voz multilingue expressiva, com audio tags granulares, controlo de estilo natural e diálogo entre dois locutores.
Examples
Detalhes dos preços
Paga conforme utilizas. Sem subscrição, sem custos escondidos.
| Nível | Preço PoYo | Original / desconto |
|---|---|---|
| Texto para voz | $0.120/1K carateres 24 créditos/1K carateres 10,000 carateres: $1.20 | $0.150/1K carateresPoupa 20% Referência |
Como é faturado: Faturado por cada 1000 carateres de texto de entrada.
Os custos baseiam-se no resultado final.
Modelos recomendados
Introdução
Guia completo para utilizar API Gemini 3.1 Flash TTS económica, com controlo preciso da voz por audio tags
API Gemini 3.1 Flash TTS económica, com controlo preciso da voz por audio tags
Cria workflows de texto para voz naturais com o Gemini 3.1 Flash TTS na PoYo. Usa audio tags expressivas, instruções de estilo em linguagem natural, vozes predefinidas do Gemini, diálogo entre dois locutores e consulta de estado assíncrona padrão numa única API. Gera falas de podcasts, vozes de aplicações, narração para formação e voz localizada com preços claros por carácter.
Modelos da API Gemini 3.1 Flash TTS disponíveis na PoYo
Experimentar no playground
O que torna o Gemini 3.1 Flash TTS diferente
O Gemini 3.1 Flash TTS foi concebido para uma voz que segue a direção, muda de entoação e suporta workflows de produto multilingues sem um pipeline de voz complexo.
01
Audio tags granulares
Orienta a entoação dentro do próprio guião com tags expressivas como [sigh], [laughing], [whispering] e [short pause]. Assim, um único campo de texto serve tanto para as palavras como para a direção da interpretação.
- Controla a emoção, o ritmo e os sinais de entoação não verbais.
- Usa tags em histórias, vídeos de produto, podcasts e falas de personagens.
- Mantém a direção da expressão vocal junto do guião.
02
Diálogo entre dois locutores
Atribui exatamente dois alias de locutor a vozes diferentes do Gemini para criar áudio conversacional. Prefixa as linhas do texto com os IDs dos locutores e depois associa cada locutor a uma voz distinta no pedido à API.
- Cria segmentos de podcast com apresentador e convidado.
- Prototipa diálogos de personagens e conversas com assistentes.
- Configura os alias e as vozes dos locutores para cada papel do diálogo.
O que podes construir
01
Podcasts e narração
Gera leituras expressivas de apresentadores, segmentos de abertura, narração de audiolivros e áudio editorial com entoação orientada.
02
Conteúdos de formação
Transforma guiões de cursos, lições de integração e material de formação em áudio falado, claro e multilingue.
03
Diálogo de personagens
Prototipa falas de jogos, fluxos de role-play, cenas de histórias e conversas entre dois locutores com vozes distintas.
04
Voz de produto localizada
Cria voz para entradas de texto de aplicações, mensagens de suporte, demonstrações de produto e acessibilidade em vários idiomas.
Preços do Gemini 3.1 Flash TTS: PoYo vs fal.ai
A PoYo disponibiliza o Gemini 3.1 Flash TTS através do mesmo workflow de geração assíncrono usado em todos os modelos de áudio da PoYo, com preços claros face a um preço público de referência.
| Funcionalidade | PoYo | Fal.ai |
|---|---|---|
| ID de modelo público | gemini-3-1-flash-tts | Não exposto |
| Preço em dólares | $0.12 por 1000 carateres | $0.15 por 1000 carateres |
| Créditos PoYo | 24 créditos por 1000 carateres | N/D |
| Controlos principais | text, style_instructions, voice, language_code, speakers, temperature, output_format | Entrada de texto com controlos de estilo, voz, idioma, locutor, temperatura e formato |
| Workflow | Submeter a tarefa, consultar o estado padrão, transferir os ficheiros de áudio | Workflow de fila de referência |
Os preços da PoYo usam 24 créditos por 1000 carateres. Um crédito custa $0.005.
Como utilizar o Gemini 3.1 Flash TTS na PoYo
- Obtém a tua chave de API: cria uma conta PoYo e gera uma chave de API no dashboard. Obter chave de API ->
- Escreve o texto: introduz o texto a falar e acrescenta audio tags como [laughing], [sigh], [whispering] ou [short pause] quando precisares de uma entoação expressiva.
- Escolhe as definições de voz: seleciona uma voz do Gemini, e opcionalmente language_code, style_instructions, temperature e output_format, ou configura exatamente dois locutores com speaker_id e voice.
- Submete e obtém: submete através da API de geração da PoYo e depois consulta o endpoint de estado de tarefas padrão para obteres o áudio. Ver documentação da API ->
Perguntas frequentes sobre o Gemini 3.1 Flash TTS
O que é o Gemini 3.1 Flash TTS?
O Gemini 3.1 Flash TTS é o modelo expressivo de texto para voz da Google, que gera áudio multilingue natural a partir de entradas de texto. Suporta audio tags, direção de estilo em linguagem natural, vozes predefinidas do Gemini e diálogo entre dois locutores.
O que devo escrever no campo de texto?
Escreve no texto as palavras que queres que sejam ditas. Também podes incluir audio tags em linha, como [laughing], [sigh], [whispering] e [short pause]. Para síntese com vários locutores, prefixa as linhas com alias como Host: e Guest:.
Como funcionam as style_instructions?
Usa style_instructions para a direção de entoação que deve aplicar-se a todo o pedido, como caloroso e pausado, noticiário dramático, sotaque britânico, tom alegre ou sussurrar de forma misteriosa.
O Gemini 3.1 Flash TTS suporta audio tags?
Sim. As audio tags são um dos grandes pontos fortes do modelo e ajudam a controlar a emoção, as pausas, o riso, o sussurro, o ritmo e outros pormenores de entoação diretamente no guião.
Que vozes e idiomas são suportados?
A API disponibiliza 30 vozes predefinidas do Gemini, como Kore, Puck, Charon, Zephyr e Aoede. O modelo suporta síntese multilingue em mais de 70 idiomas, com orientação opcional através de language_code.
Posso criar diálogo com vários locutores?
Sim. Envia exatamente dois locutores, cada um com um speaker_id e uma voice. Usa os mesmos prefixos de speaker_id no texto para que o modelo encaminhe cada linha para a voz pretendida. Quando speakers está definido, a voice de nível superior é ignorada.
Que formatos de saída posso pedir?
A PoYo suporta mp3, wav e ogg_opus para o Gemini 3.1 Flash TTS. O MP3 é a predefinição e é recomendado quando queres ficheiros compactos para reprodução na web e em aplicações.
Como é calculada a faturação e como obtenho os resultados?
A PoYo cobra 24 créditos por 1000 carateres, o equivalente a $0.12 por 1000 carateres. Submete o pedido de geração e depois usa o task_id devolvido com o endpoint de estado de tarefas padrão da PoYo para obteres os ficheiros de áudio.
Porquê usar a PoYo
01
Preços claros por carácter
Usa o Gemini 3.1 Flash TTS a $0.12 por 1000 carateres, com faturação previsível em créditos.
02
Acesso unificado aos modelos
Usa a mesma conta PoYo, faturação, consulta de estado e workflow de callbacks em modelos de texto, imagem, vídeo e áudio.
03
Workflow de produção
Submete tarefas assíncronas, consulta um estado de tarefa estável e obtém os ficheiros de voz concluídos a partir de uma única superfície de API.
04
Controlos expressivos
Disponibiliza controlos práticos de produção para texto, estilo, voz, idioma, locutores, temperatura e formato de saída.