Google
चालू· हर कुछ मिनट में जाँच होती है

Gemini 3.1 Flash TTS API

Gemini 3.1 Flash TTS API: ऑडियो टैग से नियंत्रित Google की भावपूर्ण आवाज़, 30 आवाज़ों और 70+ भाषाओं में, Google की सूचीबद्ध कीमत से 40% कम पर।

टेक्स्ट और ऑडियो के प्रति 1M टोकन की कीमत40%छूट
टेक्स्ट इनपुट
$0.60$1.00
ऑडियो आउटपुट
$12.00$20.00
अपनी API कुंजी पाएँप्लेग्राउंड में आज़माएँ
मॉडल IDgemini-3.1-flash-ttsअपडेट किया गया
speak.py
from openai import OpenAI
client = OpenAI(
    base_url="https://api.zurelay.com/v1",
    api_key="YOUR_ZURELAY_KEY",
)
speech = client.audio.speech.create(
    model="gemini-3.1-flash-tts",
    voice="Kore",
    input="Welcome to Zurelay. Your video is ready.",
    instructions="Say it warmly",
)
speech.write_to_file("welcome.mp3")

बेस URL https://api.zurelay.com/v1. किसी भी OpenAI SDK के साथ काम करता है। स्पीच API दस्तावेज़

आवाज़ें
30, और OpenAI के नाम
फ़ॉर्मैट
MP3 · WAV · PCM
हर अनुरोध में टेक्स्ट
5,000 अक्षर तक
एक मिनट की आवाज़
$0.023 के बारे में
रिलीज़ की तारीख
15 अप्रैल 2026
स्थिति
चालू

कीमतें

Gemini 3.1 Flash TTS API की कीमतें। तय कीमत का एक छोटा-सा हिस्सा।

बिना किसी सदस्यता के, प्रीपेड क्रेडिट से जितना इस्तेमाल करें, उतना भुगतान करें। $10 से टॉप-अप करें। असफल अनुरोधों का कभी शुल्क नहीं लगता।

दरZurelayGoogle की सूचीबद्ध दर
टेक्स्ट इनपुट
प्रति 1M टोकन
$0.60$1.00
ऑडियो आउटपुट
प्रति 1M टोकन
$12.00$20.00

शुल्क आपके भेजे गए टेक्स्ट और मिले हुए ऑडियो पर लगता है: प्रति मिनट 1,920 ऑडियो टोकन, यानी एक मिनट की आवाज़ के लिए लगभग $0.023। असफल अनुरोधों का कोई शुल्क नहीं लगता।

Text-to-speech का हर मॉडल और उसकी कीमत
बचत कैलकुलेटर

स्लाइडर से अपना मासिक इस्तेमाल सेट करें.

प्रति माह इनपुट टोकन50M
प्रति माह आउटपुट टोकन10M
Zurelay
$150.00
Google की सूचीबद्ध कीमत
$250.00
हर महीने आपकी बचत$100.00

$1,200 प्रति वर्ष

लागत

Gemini 3.1 Flash TTS API की लागत, पूरी गणना के साथ।

लिस्ट कीमत के मुक़ाबले Zurelay की लाइव कीमतों पर आम वर्कलोड।

  • एक वॉइस मैसेज

    लगभग एक मिनट की स्पीच।

    $0.023$0.038 लिस्ट प्राइस पर

  • एक पॉडकास्ट एपिसोड

    करीब 30 मिनट की स्पीच।

    $0.69$1.14 लिस्ट प्राइस पर

  • एक ऑडियोबुक

    लगभग 10 घंटे की स्पीच।

    $13.80$22.80 लिस्ट प्राइस पर

खास जानकारी

Gemini 3.1 Flash TTS क्या है?

Gemini 3.1 Flash TTS, Google का भावपूर्ण टेक्स्ट-टू-स्पीच मॉडल है, जिसकी बोलने की शैली आप तय कर सकते हैं। इसे 15 अप्रैल, 2026 को प्रीव्यू में रिलीज़ किया गया था। यह 30 आवाज़ों और 70 से ज़्यादा भाषाओं में टेक्स्ट पढ़कर सुनाता है। टेक्स्ट में लिखे ऑडियो टैग से वाक्य के बीच में बोलने का अंदाज़ बदला जा सकता है। Zurelay Gemini 3.1 Flash TTS API इसे OpenAI-संगत स्पीच एंडपॉइंट के ज़रिए Google की लिस्ट कीमत से 40% कम पर उपलब्ध कराता है, यानी बोली गई ऑडियो के हर मिनट के लिए करीब $0.023।

Google ने 15 अप्रैल, 2026 को Gemini 3.1 Flash TTS को प्रीव्यू में लॉन्च किया। यह एक किफ़ायती, भावपूर्ण स्पीच मॉडल है, जिसकी बोलने की शैली आप तय कर सकते हैं। लॉन्च के समय Google ने इसे अपना अब तक का सबसे स्वाभाविक और भावपूर्ण मॉडल बताया। Artificial Analysis TTS लीडरबोर्ड पर इसका Elo स्कोर 1,211 था। यह रैंकिंग हज़ारों लोगों की ऐसी पसंद पर आधारित है, जिसमें उन्हें मॉडल का नाम नहीं बताया जाता। Zurelay पर इसकी मॉडल ID gemini-3.1-flash-tts है। यह google/gemini-3.1-flash-tts और Google की अपनी ID, gemini-3.1-flash-tts-preview भी स्वीकार करता है।

इसकी सबसे खास सुविधा ऑडियो टैग हैं: 200 से ज़्यादा टैग, जिन्हें टेक्स्ट में ही स्क्वेयर ब्रैकेट में लिखा जाता है, जैसे [whispers], [laughs], [excitement], [slow] या [short pause]। टैग ठीक वहीं रखें जहाँ अंदाज़ बदलना चाहिए, ताकि वाक्य के बीच में आवाज़ शांत से उत्साहित हो सके। दो टैग के बीच टेक्स्ट या विराम चिह्न ज़रूर रखें। टैग हमेशा अंग्रेज़ी में होते हैं, लेकिन Google के मुताबिक इन्हें दूसरी भाषाओं के टेक्स्ट के साथ भी इस्तेमाल किया जा सकता है। Zurelay आपका इनपुट टैग समेत ठीक वैसा ही मॉडल को भेजता है जैसा आपने लिखा है।

Zurelay इसे OpenAI-संगत एंडपॉइंट के ज़रिए उपलब्ध कराता है: POST https://api.zurelay.com/v1/audio/speech। इसमें हर अनुरोध में 5,000 कैरेक्टर तक का इनपुट, Gemini की 30 आवाज़ों में से कोई एक (डिफ़ॉल्ट रूप से Kore, या alloy या nova जैसा कोई OpenAI नाम) और वैकल्पिक instructions दिए जा सकते हैं। इनमें आप आसान शब्दों में शैली बता सकते हैं, जैसे "खुशी से बोलें" या "धीरे पढ़ें, जैसे सोने से पहले कहानी सुना रहे हों"। जवाब में सीधे ऑडियो फ़ाइल मिलती है: डिफ़ॉल्ट रूप से MP3, या WAV या रॉ PCM। एक वाक्य में आम तौर पर कुछ सेकंड और एक पैराग्राफ़ में करीब 15 सेकंड लगते हैं। हर अनुरोध में एक ही आवाज़ इस्तेमाल होती है। Google के अपने API में एक अनुरोध में कई वक्ताओं वाला संवाद सुनाना और ऑडियो बनते ही स्ट्रीम करना भी संभव है, लेकिन Zurelay पर इनमें से कोई सुविधा उपलब्ध नहीं है।

Google के API की तरह, स्पीच का शुल्क टोकन के आधार पर लगता है: आपके भेजे गए टेक्स्ट का, instructions समेत, हर 1M टोकन के लिए $0.60 और मिलने वाली ऑडियो के हर 1M टोकन के लिए $12.00। Gemini 3.1 Flash TTS हर सेकंड की स्पीच के लिए 32 ऑडियो टोकन गिनता है, यानी हर मिनट 1,920। इसलिए एक मिनट का खर्च करीब $0.023 होता है, साथ में टेक्स्ट का शुल्क अलग से लगता है। हर जवाब के x-zurelay-input-tokens और x-zurelay-output-tokens हेडर बताते हैं कि कितने टोकन का शुल्क लगा। हर अनुरोध आपके अनुरोध लॉग में दर्ज होता है, और असफल अनुरोधों का कोई शुल्क नहीं लगता।

खूबियाँ

Gemini 3.1 Flash TTS कहाँ बेहतरीन है. और टीमें इससे क्या बनाती हैं.

01

वाक्य के बीच में ऑडियो टैग

[whispers], [laughs] या [short pause] जैसा टैग ठीक वहीं रखें जहाँ अंदाज़ बदलना चाहिए। Google ने भाव, रफ़्तार और ध्वनियों के लिए 200 से ज़्यादा टैग दिए हैं।

02

स्वाभाविक, भावपूर्ण आवाज़

लॉन्च के समय Google ने इसे अपना अब तक का सबसे स्वाभाविक और भावपूर्ण मॉडल बताया। Artificial Analysis TTS लीडरबोर्ड पर इसका Elo स्कोर 1,211 था।

03

70 से ज़्यादा भाषाएँ

टेक्स्ट से भाषा अपने आप पहचान ली जाती है, इसलिए आपको कुछ सेट नहीं करना पड़ता। टैग अंग्रेज़ी में ही रहते हैं और इन्हें दूसरी भाषाओं के टेक्स्ट के साथ इस्तेमाल किया जा सकता है।

04

आसान शब्दों में निर्देश दें

instructions में बोलने का अंदाज़ वैसे ही बताएँ जैसे आप किसी वॉइस ऐक्टर को समझाते हैं: भाव, रफ़्तार, लहजा। इन निर्देशों से पढ़ने का अंदाज़ बदलता है, इन्हें बोलकर सुनाया नहीं जाता।

इस्तेमाल के तरीके

  • सभी के लिए सुलभ ऐप और गेम

    गेम के मेन्यू बोलकर सुनाना और स्क्रीन रीडर पर निर्भर लोगों को साफ़ ऑडियो देना, इस मॉडल के दो ऐसे उपयोग हैं जिन्हें Google खास तौर पर बताता है।

  • ऑडियो विवरण

    फ़िल्म, TV या वीडियो में स्क्रीन पर हो रही घटनाओं का वर्णन दृश्य के मुताबिक आवाज़ में करें। तनाव भरे पलों में [whispers] जैसे टैग इस्तेमाल करें।

  • ऑडियोबुक और कहानियाँ

    रहस्य और रोमांच बढ़ाने के लिए रफ़्तार और भाव वाले टैग साथ इस्तेमाल करें। लंबे टेक्स्ट के लिए Google का सुझाव है कि उसी Zurelay कुंजी से पहले Gemini 3.1 Flash-Lite के ज़रिए टैग जोड़ लें।

  • ग्राहकों के लिए सूचनाएँ

    धोखाधड़ी के अलर्ट और यात्रा के अपडेट में आवाज़ का अंदाज़ गंभीर से भरोसा दिलाने वाला बनाएँ। कार्ड या फ़्लाइट नंबर पढ़ने के लिए [slow] इस्तेमाल करें।

शुरू करें

तीन चरणों में Gemini 3.1 Flash TTS को कॉल करें.

न कोई वेटलिस्ट, न नया SDK. अगर आपका कोड पहले से OpenAI से कनेक्ट होता है, तो वह Zurelay से भी कनेक्ट हो सकता है.

  1. 1

    कुंजी बनाएँ

    Sign up, add credit और create an API key. Set a monthly budget or a rate limit per key if you like.

    अपनी API कुंजी पाएँ
  2. 2

    Zurelay पर Point your SDK

    Change the base URL. Everything else in your code stays the same.

    https://api.zurelay.com/v1
  3. 3

    gemini-3.1-flash-tts इस्तेमाल करें

    POST your text और a voice to /v1/audio/speech and get the audio back as MP3, WAV or PCM.

    gemini-3.1-flash-tts

आपके मौजूदा टूल के साथ काम करता है

तुलना करें

मिलते-जुलते मॉडल. सभी के लिए एक ही कुंजी.

40%छूट

Gemini 3.8 Flash TTS

प्रति 1M टोकन $0.30 / $5.40

अगर आपको instructions की ज़रूरत नहीं है, तो 130 से ज़्यादा भाषाओं और हर मिनट की कम कीमत के लिए Google का सबसे नया स्पीच मॉडल Gemini 3.8 Flash TTS चुनें।

Gemini 3.8 Flash TTS API
40%छूट

Gemini 2.5 Pro TTS

प्रति 1M टोकन $0.60 / $12.00

लंबे वाचन के लिए, जहाँ रफ़्तार से ज़्यादा आवाज़ की स्पष्टता मायने रखती है, Google का गुणवत्ता को प्राथमिकता देने वाला स्पीच मॉडल Gemini 2.5 Pro TTS चुनें।

Gemini 2.5 Pro TTS API
40%छूट

Gemini 2.5 Flash TTS

प्रति 1M टोकन $0.30 / $6.00

अगर 24 भाषाएँ काफ़ी हैं, तो छोटे टेक्स्ट पर तेज़ जवाब और हर मिनट की कम कीमत के लिए Gemini 2.5 Flash TTS चुनें।

Gemini 2.5 Flash TTS API

अक्सर पूछे जाने वाले सवाल

Gemini 3.1 Flash TTS API से जुड़े सवाल.

कुछ और पूछना है? हमारी टीम से पूछें और हम ईमेल से जवाब देंगे.

Gemini 3.1 Flash TTS API की कीमत कितनी है?

Zurelay इनपुट टेक्स्ट के हर 1M टोकन के लिए $0.60 और आउटपुट ऑडियो के हर 1M टोकन के लिए $12.00 लेता है। Google की लिस्ट कीमत $1.00 और $20.00 है, इसलिए आप 40% बचाते हैं। Gemini 3.1 Flash TTS हर सेकंड की स्पीच के लिए 32 ऑडियो टोकन गिनता है, यानी हर मिनट 1,920। इसलिए एक मिनट का खर्च करीब $0.023 होता है, साथ में आपके भेजे गए टेक्स्ट का शुल्क अलग से लगता है। असफल अनुरोधों का कोई शुल्क नहीं लगता।

मैं OpenAI SDK से Gemini 3.1 Flash TTS को कैसे कॉल करूँ?

Zurelay API key बनाएँ, SDK का base URL https://api.zurelay.com/v1 पर सेट करें और client.audio.speech.create को कॉल करें। इसमें model के रूप में gemini-3.1-flash-tts, कोई voice, input के रूप में अपना टेक्स्ट और चाहें तो instructions दें। जवाब में सीधे ऑडियो फ़ाइल मिलती है: Python में उसे write_to_file से सहेजें, या Node में उसके बाइट्स किसी फ़ाइल में लिखें। पहले आवाज़ों और शैलियों को आज़माने के लिए https://zurelay.com/app/playground पर Playground का Speech मोड इस्तेमाल करें।

Gemini 3.1 Flash TTS में कौन-कौन सी आवाज़ें हैं?

Gemini की सभी 30 पहले से तैयार आवाज़ें उपलब्ध हैं, जैसे Kore, Puck, Charon, Leda, Aoede और Sulafat. डिफ़ॉल्ट आवाज़ Kore है. OpenAI की आवाज़ों के नाम भी काम करते हैं और मिलते-जुलते अंदाज़ वाली Gemini की आवाज़ से जुड़ जाते हैं: alloy की आवाज़ Kore, nova की Leda, onyx की Orus और shimmer की Callirrhoe होती है. https://zurelay.com/docs/speech पर स्पीच के दस्तावेज़ों में हर आवाज़ और Google के बताए उसके अंदाज़ की सूची है.

Gemini 3.1 Flash TTS का लहजा, रफ़्तार या उच्चारण कैसे सेट करूँ?

instructions में आम बोलचाल के शब्दों में बताएँ, जैसे आप किसी वॉइस ऐक्टर को समझाएँगे: "खुशी से बोलें", "फुसफुसाएँ" या "धीरे पढ़ें, जैसे सोने से पहले कहानी सुना रहे हों". instructions में 2,000 तक अक्षर हो सकते हैं और इन्हें बोलकर सुनाया नहीं जाता. Google की सलाह है कि भाषा के भरोसे रहने के बजाय उच्चारण भी इसी तरह बताएँ. speed में सिर्फ़ 1 स्वीकार किया जाता है, इसलिए रफ़्तार भी instructions में बताएँ.

क्या मैं Zurelay पर Gemini 3.1 Flash TTS के ऑडियो टैग इस्तेमाल कर सकता हूँ?

हाँ. input में जहाँ बदलाव चाहिए, वहीं इन्हें वर्गाकार ब्रैकेट में लिखें, जैसे किसी राज़ से पहले [whispers] या किसी खुलासे से पहले [short pause]. Zurelay आपका टेक्स्ट टैग सहित ज्यों का त्यों मॉडल को भेजता है. Google की सूची में 200 से ज़्यादा टैग हैं, जिनमें [excitement], [curiosity], [slow], [fast] और [laughs] शामिल हैं. टैग अंग्रेज़ी में होते हैं और Google दो टैग के बीच टेक्स्ट या विराम चिह्न रखने को कहता है. लंबे टेक्स्ट के लिए Google का सुझाव है कि आप Gemini 3.1 Flash-Lite से टैग जुड़वाएँ.

Gemini 3.1 Flash TTS कौन-कौन सी भाषाएँ बोलता है?

Google के मुताबिक, 70 से ज़्यादा. भाषा की कोई सेटिंग नहीं है: टेक्स्ट से ही भाषा पहचान ली जाती है, इसलिए स्पैनिश वाक्य स्पैनिश में बोला जाता है. ऑडियो टैग अंग्रेज़ी में ही रहते हैं और दूसरी भाषाओं के टेक्स्ट के साथ भी इस्तेमाल किए जा सकते हैं.

Gemini 3.1 Flash TTS में कौन से ऑडियो फ़ॉर्मैट मिलते हैं और टेक्स्ट की क्या सीमाएँ हैं?

हर रिक्वेस्ट में input के लिए 5,000 तक और instructions के लिए 2,000 तक अक्षर हो सकते हैं; लंबे टेक्स्ट को कई रिक्वेस्ट में बाँटें. डिफ़ॉल्ट रूप से ऑडियो MP3 में मिलता है, या response_format को wav पर सेट करें, या रॉ 24 kHz, 16-bit मोनो सैंपल के लिए pcm पर. Google ने मॉडल के लिए इनपुट की सीमा 8,192 टोकन बताई है. Zurelay ऑडियो स्टोर नहीं करता, इसलिए मिलने वाली फ़ाइल सहेज लें.

क्या Gemini 3.1 Flash TTS दो लोगों की बातचीत को आवाज़ दे सकता है?

Zurelay पर एक ही रिक्वेस्ट में नहीं. Google का अपना API एक कॉल में कई वक्ताओं वाले संवाद को आवाज़ दे सकता है, लेकिन Zurelay हर रिक्वेस्ट को एक ही आवाज़ में बोलता है. संवाद के लिए हर लाइन को उसकी अलग आवाज़ में बनाएँ और फिर ऑडियो को क्रम से जोड़ें; रॉ PCM को जोड़ना सबसे आसान है.

Zurelay पर Gemini 3.1 Flash TTS कितना समय लेता है?

एक वाक्य में आम तौर पर कुछ सेकंड और एक पैराग्राफ़ में करीब 15 सेकंड लगते हैं. पूरी फ़ाइल एक ही जवाब में मिलती है: Google का अपना API 3.1 Flash TTS ऑडियो बनते समय ही स्ट्रीम कर सकता है, लेकिन Zurelay के ज़रिए स्ट्रीमिंग उपलब्ध नहीं है. वॉइस असिस्टेंट के लिए एक बार में एक वाक्य भेजें, ताकि ऑडियो जल्दी चलना शुरू हो.

क्या Gemini 3.1 Flash TTS अभी भी प्रीव्यू में है?

हाँ. Google ने इसे 15 अप्रैल, 2026 को प्रीव्यू में रिलीज़ किया था और इसे बंद करने की कोई तारीख नहीं बताई है. Zurelay पर gemini-3.1-flash-tts के साथ-साथ Google का ID, gemini-3.1-flash-tts-preview, भी काम करता है.

क्या यह Google का Gemini 3.1 Flash TTS है?

हाँ. आपकी रिक्वेस्ट Google के Gemini 3.1 Flash TTS पर चलती हैं और Zurelay उसकी जगह कोई दूसरा या छोटा मॉडल इस्तेमाल नहीं करता. हर कॉल पर ऑडियो नए सिरे से बनता है, इसलिए एक ही टेक्स्ट और आवाज़ होने पर भी हर बार बोलने का अंदाज़ थोड़ा अलग होता है. Google इस मॉडल के सभी ऑडियो पर SynthID वॉटरमार्क लगाता है, जो महसूस नहीं होता लेकिन ऑडियो के AI से बने होने की पहचान करता है. Zurelay एक स्वतंत्र सेवा है और Google से संबद्ध नहीं है.

Zurelay पर और मॉडल

सभी मॉडल

पूरी कीमत देना बंद करें.
आज से बचत शुरू करें.

सेकंडों में एक कुंजी बनाएं, अपने मौजूदा SDK को Zurelay से जोड़ें, और पहले टोकन से ही हर अनुरोध पर 90% तक कम खर्च करें.

अपनी API कुंजी पाएँइंजीनियर से बात करें