Google: Gemini 3.1 Flash TTS Preview

Google: Gemini 3.1 Flash TTS Preview, Google'dan bir metinden konuşmaya modelidir. Konuşma kategorisinde yer alır ve bir önizleme sürümüdür, bu da kararlı bir sürüm çıkmadan önce davranışın ve ses setinin hala değişebileceği anlamına gelir. Google bunu Gemini 2.5 Flash TTS'ye kıyasla önemli bir nesil atlaması olarak tanımlıyor, yani o modeli kullandıysanız bu, değerlendirilecek daha yeni nesildir.

Model tek girdi olarak metni alır ve tek çıktı olarak konuşma döndürür. 32.768 token bağlam penceresini destekler, maksimum çıktı 16.384 token'dır, bu anlatım ve uzun biçimli sözlü içerik için oldukça geniştir. Otuz ses mevcuttur: 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 ve Sulafat. İsimlerin çeşitliliği tek bir varsayılan ses yerine bir dizi vokal karaktere işaret ediyor, böylece tonu içerikle eşleştirebilirsiniz.

Pratik kullanımlar doğrudan metin girişi, ses çıkışı olan, geniş bağlam penceresine ve çok sayıda sese sahip bir modelden kaynaklanır. Videolar, podcast'ler veya sesli kitaplar için anlatım üretebilir, makalelerin ve dokümantasyonun sesli sürümlerini oluşturabilir, asistanlar ve IVR akışları için sesli istemler hazırlayabilir veya erişilebilirlik özellikleri için ses oluşturabilirsiniz. Girdi sınırı karakter yerine token cinsinden ölçüldüğü için uzun senaryolar tek bir istekte gönderilebilir ve 16.384 token çıktı tavanı geniş sözlü pasajlar için alan sağlar. Ses listesi, farklı konuşmacılara veya içerik türlerine farklı sesler atamayı kolaylaştırır.

Modeli api14'ün OpenAI uyumlu API'si üzerinden "google/gemini-3.1-flash-tts-preview" model kimliğiyle çağırırsınız. API, OpenAI biçimini izlediği için mevcut istemcinizi api14'ün temel URL'sine yönlendirir ve yukarıdaki model kimliği ile metninizi girdi olarak kullanarak olağan biçimde bir istek gönderirsiniz. Model, temel unsurların ötesinde desteklenen herhangi bir parametre listelemiyor, bu nedenle model kimliğini ve metni göndermeyi planlayın ve istek biçiminin izin verdiği yerde yukarıdaki listeden bir ses seçin. İstemciniz bir parametre bloğu bekliyorsa, belgelenmemiş ayar seçeneklerini varsaymak yerine bunu en az düzeyde tutun.

Taahhütte bulunmadan önce iki şeyi tartmakta fayda var. Birincisi, bu bir önizleme modelidir, bu nedenle çıktı ve ses davranışı değişebilir ve donmuş, yeniden üretilebilir ses gerektiren bir iş akışı için doğru seçim değildir. İkincisi, yalnızca metni kabul eder ve yalnızca konuşma döndürür, bu nedenle sesi yazıya dökemez, konuşmayı çeviremez veya görüntüleri ve belgeleri işleyemez. Göreviniz konuşma tanıma, çok kipli girdi veya genel metin üretimi ise, katalogdaki farklı bir model daha iyi uyacaktır.