Ce que Gemini 3.1 Flash TTS fait bien — et ce qu'il fait moins bien

Gemini 3.1 Flash TTS est le modèle de synthèse vocale expressive de Google, construit sur la lignée vocale Gemini. Ses deux forces distinctives sont une bibliothèque de 30 voix nommées — Kore, Puck, Zephyr, Achernar et plus, couvrant un large éventail de tons et de personnages — et un champ d'instruction de style séparé qui vous permet de diriger la livraison. Le même script peut être lu de manière dynamique, calme ou dramatique selon l'instruction, ce qui offre un contrôle plus fin que le choix d'une voix seule.

La facturation est par tranche de 1 000 caractères, le coût augmente proportionnellement à la longueur du script — prévisible pour tout, d'une courte voix off à une narration complète. C'est un appariement naturel pour le travail d'avatar parlant : générez la voix ici, puis pilotez un modèle comme Kling Avatar V2 avec.

Parmi les modèles vocaux de ZOOOP : Multilingual V3 est le phare d'ElevenLabs avec un contrôle vocal approfondi ; Qwen3-TTS et Inworld TTS mènent en couverture multilingue et en valeur. Le point fort de Gemini 3.1 Flash TTS est la narration expressive et dirigée par le style avec les voix de Google.

Un modèle mental raisonnable : par défaut avec Gemini 3.1 Flash TTS quand vous voulez une narration expressive avec un contrôle explicite du style, et passez à Multilingual V3 pour la bibliothèque vocale d'ElevenLabs ou Inworld/Qwen pour une large couverture multilingue.