供应商与模式Google

Gemini 3.1 Flash TTS

Gemini 3.1 Flash TTS
Google · Audio Generation
POST /v1/audio/speech

高度可控的语音转语音系统，配备新的音频标签，支持精准的风格、语调、节奏和跨越旁白、助理和语音应用的表达。

一眼看

场地价值
型号IDgemini-3-1-flash-tts
车型发布日期2026-04-13
输入模态正文
输出模态音频
上下文窗口-
重量精度-
特色text_to_speech，multi_speaker，多语言
本土推断不
新是的
支持的端点POST /v1/audio/speech

定价

冲锋规格速率
输入每100万个提示词标记$2.60
输出每100万个生成代币$52.00

示例请求

$curl https://api.empiriolabs.ai/v1/audio/speech \
>  -H 'Authorization: Bearer $EMPIRIOLABS_API_KEY' \
>  -H 'Content-Type: application/json' \
>  -d '{"model": "gemini-3-1-flash-tts", "input": "Hello from EmpirioLabs."}'

参数

参数类型必修默认描述
input弦是的-文本转换为语音。对于多扬声器模式，前缀线路应加 Speaker1： / Speaker2： 。
mode枚举不"single"单声部=一声部，多重部=双部对话（使用人声+声音2+说话者名称）。·允许：single，multi
language弦不"en-US"BCP-47 语言标签（en-US、es-ES 等），用于发音线索。
voice枚举不"Charon"主要声音名（例如Kore、Puck、Aoede）。默认时留空。·允许：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
voice2枚举不"Kore"多扬声器模式的第二个语音名称。·允许：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
speaker1_name弦不"Speaker1"显示名称用于扬声器1的输入前缀（默认：Speaker1）。
speaker2_name弦不"Speaker2"扬声器2输入前缀中使用的显示名称（默认：Speaker2）。
output_format枚举不"WAV"音频文件格式（mp3、wav、opus、flac等）。·允许：WAV、MP3、OGG、ALAW、MULAW
speed人数不1.0播放速度。1.0 = 自然;<1慢，>1快。·射程：0.25 – 2.0
volume_gain人数不0输出增益以dB为单位。0 = 不变。·射程：-96 – 16
sample_rate枚举不"24000"输出采样率以Hz为单位（8000、16000、24000、44100、48000）。·允许：8000、16000、22050、24000、44100、48000
style_prompt弦不-自然语言风格的引导（例如“温暖、对话式”或“新闻播报员，严肃”）。

注释

迄今为止最易控制的双子座TTS。

极限

  • 文本+样式提示：每个4,000字节（总共8,000字节）
  • 最大输出：~10分钟
  • 音频计费：~25个令牌/秒（~15chars/s）
  • 语言是自动检测的;语言设置只是提示，不是约束

内联音频标签（控制传输）

  • 情绪：[whispers]、[shouts]、[laughs]、[sighs]、[cheerful]、[sad]、[angry]等。
  • 配速：[slow]、[fast]、[extremely fast]、[normal pace]
  • 停顿：[short pause]，[long pause]，[breath]
  • 强调：[softly]、[loudly]、[high pitch]、[low pitch]、[rising tone]、[falling tone]

Machine可读模式： GET https://api.empiriolabs.ai/v1/models/gemini-3-1-flash-tts。