Gemini 3.1 Flash TTS API

A Zurelay cobra $0.60 por 1M tokens de texto de entrada e $12.00 por 1M tokens de áudio de saída. Os preços de tabela do Google são $1.00 e $20.00, então você economiza 40%. Gemini 3.1 Flash TTS conta 32 tokens de áudio por segundo de fala, 1,920 por minuto, então um minuto custa cerca de $0.023 mais o texto que você envia. Requisições que falham não custam nada.

Crie uma chave de API da Zurelay, defina a base URL do SDK como https://api.zurelay.com/v1 e chame client.audio.speech.create com model definido como gemini-3.1-flash-tts, uma voice, o seu texto em input e, se quiser, instructions. A resposta é o próprio arquivo de áudio: salve-o com write_to_file em Python ou grave os bytes em um arquivo no Node. Para testar vozes e estilos antes, use o modo Speech no Playground em https://zurelay.com/app/playground.

Todas as 30 vozes predefinidas do Gemini, como Kore, Puck, Charon, Leda, Aoede e Sulafat, com Kore como padrão. Os nomes de vozes da OpenAI também funcionam e são mapeados para uma voz do Gemini com características semelhantes: alloy usa Kore, nova usa Leda, onyx usa Orus e shimmer usa Callirrhoe. A documentação de fala em https://zurelay.com/docs/speech lista todas as vozes com as características atribuídas pelo Google.

Descreva em instructions, com palavras simples, como você orientaria um ator de voz: "Fale com alegria", "Sussurre" ou "Leia devagar, como uma história de ninar". O campo instructions aceita até 2,000 caracteres e não é lido em voz alta. O Google recomenda pedir um sotaque dessa forma, em vez de depender do idioma. speed só aceita 1, então peça o ritmo em instructions também.

Sim. Escreva as tags entre colchetes dentro de input, exatamente onde a mudança deve acontecer, como [whispers] antes de um segredo ou [short pause] antes de uma revelação. A Zurelay envia seu texto ao modelo como foi escrito, incluindo as tags. O Google lista mais de 200 tags, incluindo [excitement], [curiosity], [slow], [fast] e [laughs]. As tags são em inglês, e o Google pede que haja texto ou pontuação entre duas delas. Para textos longos, o Google sugere deixar o Gemini 3.1 Flash-Lite adicionar as tags para você.

Mais de 70, segundo o Google. Não há configuração de idioma: ele é detectado a partir do texto, então uma frase em espanhol é falada em espanhol. As tags de áudio continuam em inglês e podem ser combinadas com texto em outros idiomas.

Cada requisição aceita até 5,000 caracteres em input e 2,000 em instructions; divida textos maiores em várias requisições. O áudio é retornado em MP3 por padrão, ou você pode definir response_format como wav, ou como pcm para amostras brutas mono de 24 kHz e 16-bit. O Google informa um limite de entrada de 8,192 tokens para o modelo. A Zurelay não armazena o áudio, então salve o arquivo recebido.

Não em uma única requisição na Zurelay. A API do próprio Google pode dar voz a um diálogo com vários falantes em uma chamada, mas a Zurelay usa uma única voz por requisição. Para um diálogo, gere cada fala com sua própria voz e junte os áudios na ordem; PCM bruto é o formato mais simples de juntar.

Uma frase costuma levar alguns segundos, e um parágrafo, cerca de 15 segundos. O arquivo inteiro é retornado em uma única resposta: a API do próprio Google pode transmitir o áudio do 3.1 Flash TTS por streaming enquanto ele é gerado, mas o streaming não está disponível pela Zurelay. Para um assistente de voz, envie uma frase por vez para que a reprodução comece mais cedo.

Sim. O Google lançou o modelo em prévia em 15 de abril de 2026 e não anunciou uma data de desativação. Na Zurelay, o ID do Google, gemini-3.1-flash-tts-preview, funciona assim como gemini-3.1-flash-tts.

Sim. Suas requisições são processadas pelo Gemini 3.1 Flash TTS do Google, e a Zurelay não o substitui por um modelo diferente ou menor. A fala é gerada do zero a cada chamada, então o mesmo texto e a mesma voz produzem uma leitura ligeiramente diferente a cada vez. O Google aplica SynthID a todo áudio do modelo, uma marca-d'água imperceptível que o identifica como gerado por IA. A Zurelay é um serviço independente e não tem afiliação com o Google.