Gemini 3.1 Flash TTS Preview

用量与规格

Gemini 3.1 Flash TTS Preview 是什么

模型：Gemini 3.1 Flash TTS Preview 介绍：Gemini 3.1 Flash TTS Preview 是谷歌推出的文本转语音模型，相比 Gemini 2.5 Flash TTS 实现了显著的代际升级。该模型支持将文本输入转化为音频输出，覆盖 70 多种语言——语言支持范围是前代产品的近 3 倍。 核心新增功能是一套包含 200 多种内联音频标签（例如 `[whispers]`、`[laughs]`、`[excited]`）的系统，让开发者能够在句子中间控制表达方式、情感和节奏；同时，Google AI Studio 中新增了“导演椅”工作流，用于定义每个角色的音频配置文件和场景级上下文。该模型支持最多两个说话人，每个说话人可独立配置声音和风格，输出 24 kHz / 16-bit 单声道 PCM 音频，并使用 SynthID 自动为所有输出添加水印。上下文窗口为 32k tokens。