Gemini 3.1 Flash TTS API

Zurelay mengenakan biaya $0.60 per 1M token teks input dan $12.00 per 1M token audio output. Harga resmi Google adalah $1.00 dan $20.00, jadi Anda hemat 40%. Gemini 3.1 Flash TTS menghitung 32 token audio per detik, atau 1,920 per menit, sehingga biaya satu menit sekitar $0.023 ditambah biaya teks yang Anda kirim. Permintaan yang gagal tidak dikenai biaya.

Buat kunci API Zurelay, atur base URL SDK ke https://api.zurelay.com/v1, lalu panggil client.audio.speech.create dengan model diatur ke gemini-3.1-flash-tts, sebuah voice, teks Anda sebagai input, dan, jika perlu, instructions. Balasannya adalah file audio itu sendiri: simpan dengan write_to_file di Python, atau tulis byte-nya ke file di Node. Untuk mencoba suara dan gaya terlebih dahulu, gunakan mode Speech di Playground di https://zurelay.com/app/playground.

Semua 30 suara bawaan Gemini, seperti Kore, Puck, Charon, Leda, Aoede dan Sulafat, dengan Kore sebagai default. Nama suara OpenAI juga bisa digunakan dan dipetakan ke suara Gemini dengan karakter serupa: alloy menggunakan Kore, nova menggunakan Leda, onyx menggunakan Orus dan shimmer menggunakan Callirrhoe. Dokumentasi suara di https://zurelay.com/docs/speech mencantumkan setiap suara beserta karakter yang dijelaskan Google.

Jelaskan dalam instructions dengan bahasa sehari-hari, seperti saat Anda memberi arahan kepada pengisi suara: "Ucapkan dengan ceria", "Berbisik" atau "Baca perlahan, seperti dongeng sebelum tidur". instructions dapat berisi hingga 2,000 karakter dan tidak dibacakan. Google menyarankan Anda meminta aksen dengan cara ini, bukan mengandalkan bahasa teks. speed hanya menerima 1, jadi tentukan juga tempo dalam instructions.

Ya. Tulis tag dalam tanda kurung siku di dalam input, tepat di bagian yang ingin Anda ubah, misalnya [whispers] sebelum rahasia atau [short pause] sebelum pengungkapan. Zurelay mengirim teks Anda ke model apa adanya, termasuk tag. Google mencantumkan lebih dari 200 tag, termasuk [excitement], [curiosity], [slow], [fast] dan [laughs]. Tag menggunakan bahasa Inggris, dan Google meminta agar ada teks atau tanda baca di antara dua tag. Untuk teks panjang, Google menyarankan agar Anda meminta Gemini 3.1 Flash-Lite menambahkan tag.

Lebih dari 70, menurut Google. Tidak ada pengaturan bahasa: bahasa dikenali dari teks, jadi kalimat berbahasa Spanyol akan diucapkan dalam bahasa Spanyol. Tag audio tetap dalam bahasa Inggris dan dapat dipadukan dengan teks dalam bahasa lain.

Setiap permintaan menerima hingga 5,000 karakter untuk input dan 2,000 untuk instructions; bagi teks yang lebih panjang menjadi beberapa permintaan. Audio dikembalikan dalam format MP3 secara default, atau atur response_format ke wav, atau ke pcm untuk sampel mentah 24 kHz, 16-bit mono. Google mencantumkan batas input model sebesar 8,192 token. Zurelay tidak menyimpan audio, jadi simpan file yang Anda terima.

Tidak dalam satu permintaan di Zurelay. API Google sendiri dapat membacakan dialog dengan beberapa pembicara dalam satu panggilan, tetapi Zurelay menggunakan satu suara untuk setiap permintaan. Untuk dialog, buat setiap baris dengan suaranya masing-masing lalu gabungkan audionya secara berurutan; PCM mentah paling mudah digabungkan.

Satu kalimat biasanya memerlukan beberapa detik, dan satu paragraf sekitar 15 detik. Seluruh file dikembalikan dalam satu respons: API Google sendiri dapat melakukan streaming audio 3.1 Flash TTS saat dibuat, tetapi streaming tidak tersedia melalui Zurelay. Untuk asisten suara, kirim satu kalimat per permintaan agar audio bisa lebih cepat diputar.

Ya. Google merilisnya dalam tahap pratinjau pada 15 April 2026 dan belum mengumumkan tanggal penghentian. Di Zurelay, ID Google, gemini-3.1-flash-tts-preview, dapat digunakan selain gemini-3.1-flash-tts.

Ya. Permintaan Anda diproses oleh Gemini 3.1 Flash TTS dari Google, dan Zurelay tidak menggantinya dengan model lain atau yang lebih kecil. Suara dibuat ulang pada setiap panggilan, sehingga teks dan suara yang sama menghasilkan pembacaan yang sedikit berbeda setiap kali. Google menandai semua audio dari model ini dengan SynthID, penanda yang tidak terdengar dan mengidentifikasinya sebagai audio buatan AI. Zurelay adalah layanan independen dan tidak berafiliasi dengan Google.