Google: Gemini 3.1 Flash TTS Preview

Google: Gemini 3.1 Flash TTS Preview는 Google의 텍스트 음성 변환 모델입니다. 음성 카테고리에 속하며 프리뷰 릴리스이므로, 안정 버전이 출시되기 전까지 동작과 음성 세트가 여전히 바뀔 수 있습니다. Google은 이 모델을 Gemini 2.5 Flash TTS에서 상당한 세대적 도약이라고 설명하므로, 해당 모델을 사용해 본 적이 있다면 이것이 평가해 볼 더 새로운 세대입니다.

이 모델은 텍스트만 입력으로 받고 음성만 출력으로 반환합니다. 32,768 토큰의 컨텍스트 윈도우를 지원하며 최대 출력은 16,384 토큰으로, 내레이션과 장문 음성 콘텐츠에 넉넉합니다. 30개의 음성을 사용할 수 있습니다: Zephyr, Puck, Charon, Kore, Fenrir, Leda, Orus, Aoede, Callirrhoe, Autonoe, Enceladus, Iapetus, Umbriel, Algieba, Despina, Erinome, Algenib, Rasalgethi, Laomedeia, Achernar, Alnilam, Schedar, Gacrux, Pulcherrima, Achird, Zubenelgenubi, Vindemiatrix, Sadachbia, Sadaltager, Sulafat. 이름의 범위는 단일 기본 음성이 아니라 다양한 음성 캐릭터의 폭을 시사하므로, 콘텐츠에 맞춰 톤을 맞출 수 있습니다.

실용적인 용도는 텍스트 입력, 오디오 출력 모델에 큰 컨텍스트 윈도우와 많은 음성이 결합된 데서 바로 나옵니다. 비디오, 팟캐스트 또는 오디오북용 내레이션을 생성하고, 기사와 문서의 음성 버전을 만들고, 어시스턴트와 IVR 흐름용 음성 프롬프트를 구축하거나, 접근성 기능용 오디오를 만들 수 있습니다. 입력 한도가 문자 수가 아니라 토큰으로 측정되므로 긴 대본을 단일 요청으로 제출할 수 있고, 16,384 토큰 출력 상한은 긴 음성 구절을 위한 여유를 제공합니다. 음성 목록 덕분에 서로 다른 화자나 콘텐츠 유형에 서로 다른 음성을 할당하기가 간단합니다.

이 모델은 모델 id "google/gemini-3.1-flash-tts-preview"를 사용해 api14의 OpenAI 호환 API를 통해 호출합니다. API가 OpenAI 형태를 따르므로 기존 클라이언트를 api14의 base URL로 지정하고, 위의 모델 id와 입력으로 사용할 텍스트를 담아 일반적인 형식으로 요청을 보내면 됩니다. 이 모델은 기본 사항 외에 지원되는 파라미터를 나열하지 않으므로, 모델 id와 텍스트를 보낼 계획을 세우고 요청 형식이 허용하는 경우 위 목록에서 음성을 선택하세요. 클라이언트가 parameters 블록을 기대한다면, 문서화되지 않은 튜닝 옵션을 가정하지 말고 최소한으로 유지하세요.

확정하기 전에 두 가지를 따져볼 가치가 있습니다. 첫째, 이것은 프리뷰 모델이므로 출력과 음성 동작이 바뀔 수 있고, 고정되어 재현 가능한 오디오가 필요한 파이프라인에는 맞지 않습니다. 둘째, 텍스트만 받고 음성만 반환하므로 오디오를 전사하거나 음성을 번역하거나 이미지와 문서를 처리할 수 없습니다. 작업이 음성 인식, 멀티모달 입력 또는 일반 텍스트 생성이라면 카탈로그의 다른 모델이 더 잘 맞을 것입니다.