Google: Gemini 3.1 Flash TTS Preview

Google Gemini 3.1 Flash TTS Preview is de tekst-naar-spraakeditie van de Gemini 3.1 Flash Audio-familie. Het accepteert tekst en produceert gesproken audio met expressie die via de prompt wordt gestuurd. Google beschrijft deze generatie als een verbetering in natuurlijke spraak, bestuurbaarheid en meertalige prestaties, met native dialoog tussen meerdere sprekers en meer dan 70 talen. Een praktisch gebruik is een korte ingesproken les, een gesprek tussen personages of een gesproken passage waarvan de voordracht even belangrijk is als de formulering.

Bereid een definitief script en een voordrachtbriefing voor. Deze generatie gebruikt instructies in natuurlijke taal binnen de tekstinvoer om stemstijl, tempo en voordracht te sturen. Googles release introduceert scène-aanwijzingen om een situatie vast te leggen, Audio Profiles voor sprekers om personages te definiëren en Director’s Notes om tempo, toon en accent te sturen. Houd die onderdelen herkenbaar bij het voorbereiden van de prompt zodat de bedoelde woorden en voordrachtinstructies los van elkaar kunnen worden beoordeeld. Een beknopte briefing is makkelijker te herzien dan meerdere concurrerende beschrijvingen van dezelfde stem.

Een oorspronkelijke repetitiebriefing kan bijvoorbeeld een rustige verteller beschrijven die een museumobject uitlegt, met afgemeten formuleringen en een warmere toon in de slotzin. Het bijbehorende script moet de werkelijke namen van het object en de exacte formulering bevatten die hoorbaar moet zijn. Geef voor een dialoog de personages onderscheidende profielen en een duidelijke volgorde van beurten. Gebruik de scènecontext om uit te leggen of één spreker de ander geruststelt, een oprechte vraag stelt of met ingehouden verrassing reageert. Het te beoordelen gegenereerde resultaat is de hoorbare voordracht van dat script.

Inline audiotags voegen lokale instellingen binnen de tekst toe, zodat de expressie van een spreker binnen een zin kan veranderen in plaats van volledig op de openingsaanwijzing te steunen. Google beschrijft tags als middelen om stemstijl, tempo en voordracht te sturen. Gebruik ze waar de voordracht een specifieke verschuiving nodig heeft en houd de rest van de formulering natuurlijk uitspreekbaar. Het bruikbare onderscheid in deze editie is dat tussen de algemene personage- of scènebriefing en de lokale verandering in voordracht. Een korte neutrale passage kan de basisstem vastleggen voordat het script meer emotionele aanwijzingen toevoegt.

Geef voor meertalig werk het script in de uiteindelijke taal en vermeld het gewenste accent en de spreekstijl in de briefing. Googles aankondiging documenteert ondersteuning voor meer dan 70 talen. Geef als praktische redactionele voorbereiding terugkerende namen één consistente spelling, schrijf dubbelzinnige afkortingen voluit wanneer één lezing vereist is en controleer getallen in het gesproken resultaat. Een taallabel alleen bepaalt niet hoe een merknaam of geleende term moet klinken. Vergelijk passages met die termen met de bedoelde uitspraak voordat u een lange vertelling accepteert.

De exacte Gemini API-modelpagina vermeldt een invoerlimiet van 8.192 tokens en een uitvoerlimiet van 16.384 tokens voor dit previewmodel. DeepMinds native TTS-modelkaart vermeldt afzonderlijk tekstinvoer tot 16K tokens en audio-uitvoer van 32K tokens; die modelkaartcijfers staan los van de Gemini API-servicelimieten. Tel de voordrachtaanwijzingen net als het script mee als voorbereide invoer. De uitvoerruimte is uitgedrukt in audiotokens en garandeert dus geen specifieke opnameduur. Verdeel een lange les of een verhaal in samenhangende onderdelen, behoud dezelfde personagebriefing en luister naar de overgangen. Controleer voor gescripte dialoog ook sprekertoewijzing en beurtvolgorde naast de gesproken woorden en emotionele voordracht.

Googles migratiedocumentatie duidt de standaarduitvoer van 3.1 aan als ruwe PCM zonder header met het type audio/l16. De audiobytes vereisen de juiste afspeel- of containerinformatie bij het voorbereiden van een bewerkbare opname; alleen een WAV-bestandsnaam toevoegen maakt geen WAV-header. Controleer het werkelijk teruggegeven formaat voordat u het resultaat importeert. Google stelt ook dat audio gegenereerd door Gemini 3.1 Flash TTS een onwaarneembaar SynthID-watermerk draagt. Het watermerk betreft herkenning van gegenereerde audio en vervangt geen transcript, sprekerlabels of luistercontrole.

De voorbereidingsstijl van 3.1 verschilt wezenlijk van 3.8. Gemini 3.8 verplaatst aanhoudende aanwijzingen en sprekeridentiteit naar gestructureerde spraakmetadata, gebruikt tags tussen punthaken voor lokale gebeurtenissen en verandert de standaard voor voltooide aanvragen naar WAV. Behoud een 3.1-prompt als een 3.1-prompt in plaats van die nieuwere aanvraagstructuur ermee te mengen. Googles tabel met ondersteunde modellen vermeldt synthese met één of meerdere sprekers voor 3.1, terwijl de instellingen voor ontworpen stemmen en stemreplicatie bij de 3.8-items horen. De afzonderlijke Flash Live-editie verwerkt interactieve audio-invoer; deze TTS-editie bedient voorbereide tekst-naar-audioproductie.

Toets de opname aan het geschreven script op weggelaten of herhaalde woorden, namen, timing van beurten en de bedoelde emotionele veranderingen. Herzie wanneer één zin een andere nadruk nodig heeft die lokale aanwijzing en inspecteer de betrokken overgang. Zo wordt de voordrachtbriefing bruikbaar: ze legt vast wat aan de spreker stabiel moet blijven en wat in die passage moet veranderen, terwijl het script de inhoud bewaart die het publiek moet horen.