Google anunció este miércoles el TTS Gemini 3.1 Flash. El modelo de texto a voz ofrece un mayor control sobre la expresión vocal y ahora está disponible en vista previa para los desarrolladores.
La nueva función integra la API Gemini y plataformas como Google AI, Studio y Vertex AI. Ela también potencia las locuciones para Google Vids, la herramienta de generación de video de Workspace. El lanzamiento tuvo lugar el 15 de abril.
Modelo logra un alto rendimiento en ranking independiente
El Gemini 3.1 Flash TTS registró una puntuación ELO de 1211 en la clasificación Artificial Analysis TTS. La marca Essa lo sitúa en el segundo lugar general, justo detrás de otro competidor.
El modelo destaca por su equilibrio entre calidad de voz y coste de generación. Ele supera las opciones anteriores del propio Google en naturalidad y expresividad.
Desenvolvedores informa que la salida suena más cercana al habla humana en las pruebas iniciales. La reducción de la latencia ayuda en aplicaciones que requieren respuestas rápidas.
- Suporte nativo en más de 70 idiomas
- Diálogo de varios altavoces Geração
- Incorporação SynthID automático para identificación de audio generada por IA
- Disponibilidade inmediato en Google AI Studio para pruebas
- Integração con Vertex AI para uso empresarial a escala
El audio Tags permite una dirección precisa de la interpretación vocal
Usuários puede insertar comandos de texto dentro del mensaje para ajustar aspectos de la voz. Exemplos incluyen indicaciones como tono alegre, ritmo lento o tensión en el parto.
Las etiquetas Essas funcionan como indicaciones de conducción. Elas cambia de estilo, acento, ritmo y emoción sin necesidad de parámetros técnicos complejos.
Generación Após, la configuración se puede exportar como código listo para la API Gemini. Isso facilita la implementación en aplicaciones y proyectos más grandes.
La función transforma el proceso en algo más intuitivo. Desenvolvedores gana flexibilidad para crear narraciones adaptadas a diferentes escenas o contextos.
El modelo mantiene la coherencia incluso con varios altavoces en el mismo audio. Ele diferencia las voces y gestiona las transiciones naturales entre ellas.
Integração con Google Vids amplía las opciones de voz en off
No Google Vids, Gemini 3.1 Flash TTS agrega 30 nuevas voces conversacionales. Elas captura mejor los matices de expresión y realismo.
Las opciones de Todas ahora se ejecutan en 24 idiomas diferentes, con expansión a 16 idiomas adicionales. El lanzamiento comenzó este miércoles para dominios de lanzamiento rápido y programado.
Usuários de Workspace puede generar vídeos con una narración más fluida y personalizada. La herramienta combina a la perfección audio con imágenes generadas por IA.
La incorporación refuerza el enfoque de Google en hacer accesible la creación de contenido. Profissionais y las empresas pueden producir materiales con voces naturales sin grabaciones tradicionales.
SynthID garantiza la trazabilidad del contenido generado
Todo El audio producido por Gemini 3.1 Flash TTS incluye la etiqueta SynthID. Ele permanece inaudible para los oyentes humanos pero permite una verificación posterior.
La tecnología ayuda a identificar material creado por IA. Ela combate el riesgo de desinformación o uso indebido en contextos sensibles como noticias y campañas.
Google refuerza que la marca de agua es parte de la estrategia responsable en el desarrollo de herramientas de audio.
Especialistas ve el mecanismo como un avance importante para la transparencia en las tecnologías generativas. Ele no afecta la calidad de voz percibida.
Disponibilidade actual y próximos pasos para desarrolladores
La vista previa del modelo está abierta en Google AI Studio para una experimentación rápida. Versión de acceso a Empresas a través de Vertex AI, con funciones de escalabilidad y seguridad en la nube.
Guías oficiales de Documentação sobre el uso de etiquetas de audio y parámetros de exportación. Las prácticas de Exemplos muestran cómo aplicar comandos mediante indicaciones sencillas.
Google recomienda realizar pruebas iniciales en la interfaz AI Studio, que incluye un área de juegos dedicada para audio. Lá, los usuarios escuchan el resultado en tiempo real y refinan las etiquetas.
Las actualizaciones de Futuros deberían ampliar aún más las opciones de voz e idioma. La compañía no detalló un cronograma, pero señaló continuidad en la mejora de la línea Gemini para audio.
La atención se centra en equilibrar el rendimiento, el coste y el control. Desenvolvedores ahora puede comenzar a integrar el modelo en prototipos y aplicaciones de producción.
