Google: Gemini 3.1 Flash TTS Preview

Google Gemini 3.1 Flash TTS Preview 將書面稿本轉成富表情的語音音訊。自然語言指示、講者 Audio Profiles、Director’s Notes 及行內音訊標籤可塑造速度、語調及口音。它支援原生對話及超過 70 種語言，使用 3.1 提示與音訊格式。

Ailoot Ultra · 語音 POST /v1/audio/speech google/gemini-3.1-flash-tts-preview

關於模型

此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。

Google Gemini 3.1 Flash TTS Preview 是 Gemini 3.1 Flash Audio 系列的文字轉語音版本。它接收文字，產生由提示詞引導表達的語音音訊。Google 表示這一代改善了語音自然度、可控制性與多語言表現，原生支援多說話者對話及超過 70 種語言。實際用途可以是短篇旁白課程、角色對話，或表達方式與措辭同樣重要的口述段落。

請準備完成的腳本與演出簡報。這一代在文字輸入中使用自然語言指令，引導聲音風格、節奏與表達。Google 的發布引入場景指示以建立情境、說話者 Audio Profiles 以定義角色，以及 Director’s Notes 以引導節奏、語氣與口音。準備提示詞時，讓各部分容易辨識，使預期台詞與演出指令能分開檢查。簡潔的簡報比對同一聲音提出數個互相競爭的描述更容易修改。

例如，一份原創排練簡報可以描述平靜的旁白解說博物館展品，語句節奏從容，最後一句語氣更溫暖。搭配的腳本應包含展品實際名稱，以及需要朗讀的精確措辭。對話則為角色提供不同設定檔與清楚的輪流順序。透過場景背景說明某位說話者是在安撫對方、真誠提問，還是帶著克制的驚訝回應。要評估的生成成品，就是這份腳本可聽見的演出。

行內音訊標籤在文字中加入局部控制，讓說話者的表達可在一句話內改變，而非完全依賴開頭指示。Google 描述標籤可控制聲音風格、節奏與表達。請在演出需要特定變化處使用，其他措辭則維持自然口語。此版本的重要區別，是高層次角色或場景簡報，以及局部表達變化。可以先用一小段中性文字建立基本聲音，再加入更多情緒指示。

多語言工作請提供最終語言的腳本，並在簡報中說明所需口音與說話風格。Google 公告記載支援超過 70 種語言。實際編輯準備時，讓重複出現的名稱使用一致拼法，需要唯一讀法時展開有歧義的縮寫，並檢查口述結果中的數字。語言標籤本身不能決定品牌名或外來詞的讀音。接受長篇旁白前，請將包含這些詞的段落與預期讀法比較。

此預覽模型的確切 Gemini API 頁面列出 8,192 詞元輸入上限與 16,384 詞元輸出上限。DeepMind 的原生 TTS 模型卡片另外列出最多 16K 詞元文字輸入與 32K 詞元音訊輸出；這些模型卡片數字與 Gemini API 服務限制不同。準備輸入時，演出指令與腳本都要計入。輸出額度以音訊詞元表示，因此不保證特定錄音時長。請將長課程或故事分成連貫章節，保留相同角色簡報，並聆聽銜接處。腳本對話除了台詞與情緒表達，也要檢查說話者歸屬與輪流順序。

Google 的遷移文件指出，3.1 預設輸出是沒有標頭的原始 PCM，型別為 audio/l16。準備可編輯錄音時，音訊位元組需要適當的播放或容器資訊；僅加上 WAV 副檔名不會建立 WAV 標頭。匯入前，請檢查實際回傳格式。Google 也表示 Gemini 3.1 Flash TTS 生成的音訊帶有聽覺無法察覺的 SynthID 浮水印。浮水印用於識別生成音訊，不能取代逐字稿、說話者標籤或聆聽檢查。

3.1 的準備風格與 3.8 有實質差異。Gemini 3.8 將持續性指示及說話者身分移至結構化語音中繼資料，使用角括號的瞬時事件標籤，並將已完成請求的預設格式改為 WAV。請維持 3.1 提示詞的 3.1 格式，不要混入較新的請求結構。Google 的支援模型表列出 3.1 單一及多說話者合成，而聲音設計與聲音複製控制屬於 3.8 項目。獨立的 Flash Live 版本處理互動式音訊輸入；此 TTS 版本則用於準備好文字的音訊製作。

請依書面腳本檢查錄音是否漏字、重複、名稱正確，以及說話順序的時機與預期情緒變化。若某一句需要不同重音，修改該處指示並檢查受影響的銜接。這讓演出簡報發揮用途：記錄說話者哪些特徵應保持穩定、該段哪些地方應改變，而腳本則保留觀眾需要聽到的內容。

Ailoot Ultra · 語音 POST /v1/audio/speech google/gemini-3.1-flash-tts-preview

google/gemini-3.1-flash-tts-preview

Google /google/gemini-3.1-flash-tts-preview

入門

接受的輸入: 文字
結果: 音訊

Ailoot 可用 · 輸入與方法

Ailoot Ultra · 語音 POST /v1/audio/speech

輸入: text
輸出: audio

欄位	類型	要求	值與限制	預設值
欄位`model`	類型`string`	要求必填	值與限制 google/gemini-3.1-flash-tts-preview	預設值—
欄位`input`	類型`string`	要求必填	值與限制長度下限: 1	預設值—
欄位`voice`	類型`string`	要求必填	值與限制 Zephyr, Puck, Charon, Kore, Fenrir, Leda, Orus, Aoede, Callirrhoe, Autonoe, Enceladus, Iapetus, Umbriel, Algieba, Despina, Erinome, Algenib, Rasalgethi, Laomedeia, Achernar, Alnilam, Schedar, Gacrux, Pulcherrima, Achird, Zubenelgenubi, Vindemiatrix, Sadachbia, Sadaltager, Sulafat 長度下限: 1	預設值—
欄位`response_format`	類型`string`	要求選填	值與限制 mp3, pcm	預設值pcm
欄位`provider`	類型`object`	要求選填	值與限制	預設值—

方法參數與生命週期

參數	規格
參數`content_type`	規格application/json
參數`required`	規格model, input, voice
參數`material_types`	規格text

生命週期： synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · 實際回傳的 task_id 或媒體庫紀錄

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

方案

費率資訊不會增加請求選項。支援的參數列於所選方法中。

快速模式: 未指定選取快速模式時
flex 模式: 未指定選取 flex 模式時
最高推理強度: 未指定最高推理強度採用 default 調整值時

Ailoot 費率

各設定的價格

請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。

設定	費率表	計費單位	費用
設定基礎 token 費率	費率表基本費率	計費單位—	費用輸入 · 輸入 Token — / 1K Token 輸出 · 輸出 Token — / 1K Token 輸入 · 讀取快取 — / 1K Token 輸入 · 寫入快取 — / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token
設定輸入 token	費率表—	計費單位/ 1K Token	費用輸入 $0.002 / 1K Token
設定輸出 token	費率表—	計費單位/ 1K Token	費用輸出 $0.04 / 1K Token

Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →

請求範例

Ailoot Ultra · 語音

使用實際輸入並保留完整結果

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_INPUT_TEXT:?Set the actual documented input value}"
export AILOOT_INPUT_TEXT
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
request={'model': 'google/gemini-3.1-flash-tts-preview', 'input': '${ACTUAL_INPUT_TEXT}', 'voice': 'Orus', 'response_format': 'pcm'}
request['input']=os.environ['AILOOT_INPUT_TEXT']
Path('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o response.bin
# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.

接收並儲存結果

Ailoot Ultra · 語音

完整的二進位音訊或原始 audio_url 回應、標頭，以及每個自有資產。

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

其他內容讀取方式

讀取現有且屬於自己的素材

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json
# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.

保留所有已完成的結果

請保留所有完整傳回的回應、檔案與內容區塊。

保留完整回應與標頭、所有實際輸出、原始回傳的識別碼，以及所有用量欄位。恢復原始作業時，請勿再次提交建立請求。

需要檢查原始回應時

保留回傳的 X-Client-Request-ID，以供核對。僅讀取實際回傳的 task_id/asset_id 值或自己擁有的媒體庫；請勿以作業 ID 組成任務 URL，也請勿重新提交建立請求。

別名

模型別名

Ailoot Ultra google/gemini-3.1-flash-tts-preview

方法路徑別名

請使用上方列出的 API 方法路徑。

Google: Gemini 3.1 Flash TTS Preview