Gemini 3.1 Flash TTS：支持自然语言音频标签控制的语音合成 API
English
Today we launched Gemini 3.1 Flash TTS, our most expressive and controllable text-to-speech model yet.
This launch includes audio tags! 🎙🎶 Audio tags are a seamless way to guide vocal style, pace, and delivery using natural language commands embedded directly in your text. Want a different tempo or tone? Just tag the audio to steer the AI-speech output!
The model supports 70+ languages (24 of which are high-quality evaluated languages, including: Japanese, Hindi, and Arabic). Watch the audio tags in action in the demo below ↓
中文
今天我们发布了 Gemini 3.1 Flash TTS，这是我们迄今为止表现力最强、控制最灵活的文字转语音模型。
本次发布包含音频标签功能！🎙🎶 音频标签是一种无缝的方式，可以用直接嵌入文本的自然语言命令来引导语音风格、节奏和表达方式。想要不同的速度或音调？只需为音频添加标签，即可控制 AI 语音输出的方向！
该模型支持 70 多种语言（其中 24 种为高质量评估语言，包括：日语、印地语和阿拉伯语）。在下方演示中观看音频标签的实际效果 ↓