TTS altamente controlable con nuevas etiquetas de audio para un estilo, tono, ritmo y entrega precisos en narración, asistentes y aplicaciones de voz.
GoogleGeneración de audioLanzado 13 abr 2026Endpoint propietarioTTS altamente controlable con nuevas etiquetas de audio para un estilo, tono, ritmo y entrega precisos en narración, asistentes y aplicaciones de voz.
También conocido como Gemini Flash TTS, Google Gemini 3.1 Flash TTS, Gemini-3.1-Flash-TTS, gemini-3-1-flash-tts
gemini-3-1-flash-tts/v1/audio/speechgemini-3.1-flash-ttsgoogle/gemini-3.1-flash-ttsTarifas de pago por uso en vivo del catálogo de EmpirioLabs. Solo pagas por lo que usas, sin mínimo mensual.
Gemini 3.1 Flash TTS genera voz a través de POST /v1/audio/speech y devuelve audio reproducible. Envía el texto a pronunciar como input con el id de modelo gemini-3-1-flash-tts. Consigue una clave de API en el panel de EmpirioLabs.
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": "Welcome to EmpirioLabs. Your build just finished."
}' \
--output speech.mp3import requests
response = requests.post(
"https://api.empiriolabs.ai/v1/audio/speech",
headers={"Authorization": "Bearer YOUR_EMPIRIOLABS_API_KEY"},
json={"model": "gemini-3-1-flash-tts", "input": "Welcome to EmpirioLabs."},
)
with open("speech.mp3", "wb") as f:
f.write(response.content)Parámetros de solicitud compatibles con la API de Gemini 3.1 Flash TTS en EmpirioLabs. Los valores por defecto se aplican cuando se omite un campo.
| Parámetro | Tipo | Predeterminado | Rango / valores | Descripción |
|---|---|---|---|---|
| input | string | - | - | Texto para convertir a voz. Para el modo multialtavoz, prefija las líneas con Speaker1: / Speaker2:. |
| mode | enum | single | single, multi | Una = una voz, Múltiples = Diálogo a dos voces (usa voz + voz2 + nombres de los altavoces). |
| language | string | en-US | - | Etiqueta de idioma BCP-47 (en-US, es-ES, etc.) para señales de pronunciación. |
| voice | enum | Charon | Zephyr, Puck, Charon, Kore, Fenrir, Leda, Orus, Aoede, Callir... | Nombre principal de voz (por ejemplo, Kore, Puck, Aoede). Deja en blanco para el valor predeterminado. |
| voice2 | enum | Kore | Zephyr, Puck, Charon, Kore, Fenrir, Leda, Orus, Aoede, Callir... | Segundo nombre de voz para el modo multialtavoz. |
| speaker1_name | string | Speaker1 | - | Nombre de pantalla usado en el prefijo de entrada para altavoz 1 (por defecto: Speaker1). |
| speaker2_name | string | Speaker2 | - | Nombre de pantalla usado en el prefijo de entrada para altavoz 2 (por defecto: Altavoz 2). |
| output_format | enum | WAV | WAV, MP3, OGG, ALAW, MULAW | Formato de archivo de audio (mp3, wav, opus, flac, etc.). |
| speed | number | 1 | 0.25 a 2 | Velocidad de reproducción. 1.0 = natural; <1 más lento, >1 más rápido. |
| volume_gain | number | 0 | -96 a 16 | Ganancia de salida en dB. 0 = sin cambios. |
| sample_rate | enum | 24000 | 8000, 16000, 22050, 24000, 44100, 48000 | Frecuencia de muestreo de salida en Hz (8000, 16000, 24000, 44100, 48000). |
| style_prompt | string | - | - | Dirección de estilo en lenguaje natural (por ejemplo, "cálido, conversacional" o "presentador de noticias, serio"). |
El TTS Gemini más controlable hasta la fecha. Límites - Texto + prompt de estilo: 4.000 bytes cada uno (8.000 combinados) - Salida máxima: ~10 minutos - Facturación de audio: ~25 tokens por segundo (~15 chars/s) - El idioma se detecta automáticamente; la configuración de idioma es una pista, no una restricción Etiquetas de audio en línea (entrega de control) - Emoción: [whispers], [shouts], [laughs], [sighs], [cheerful], [sad], [angry], etc. - Ritmo: [slow], [fast], [whispers] 0__, [whispers] 1__ - Pausas: [whispers] 2__, [whispers] 3__, [whispers] 4__ - Énfasis: [whispers] 5__, [whispers] 6__, [whispers] 7__, [whispers] 8__, [whispers] 9__, [shouts] 0__
En EmpirioLabs, Gemini 3.1 Flash TTS se factura por uso: Entrada $2.60 por 1M de tokens de prompt; Producto $52.00 por 1M de tokens generados. La tabla de tarifas en vivo de esta página siempre coincide con lo que cobra la API.
Gemini 3.1 Flash TTS se sirve a través de POST /v1/audio/speech en api.empiriolabs.ai con autenticación estándar de token Bearer.
Sí. El playground de EmpirioLabs ejecuta Gemini 3.1 Flash TTS en el navegador con los mismos parámetros que expone la API, para que pruebes prompts antes de escribir código.
Crea una cuenta de EmpirioLabs y genera una clave en API Keys en el panel. La facturación es con créditos de pago por uso, así que solo pagas por las solicitudes que haces.
Consulta nuestros precios o contacta con nosotros si quieres que tu propio modelo se implemente en nuestra pila.
