Natürliche, lebendige Wiedergabe, die Emotion, Betonung und Rhythmus einfängt. Beim Marktstart führte das Modell das Artificial-Analysis-TTS-Ranking an.

Natürlichsprachliche Steuerung

Beschreiben Sie Ton, Tempo oder Akzent in normaler Sprache vor einer Zeile, und die Stimme setzt es genau so um.

Audio-Tags im Text

Fügen Sie Hinweise wie [laughs], [sighs] oder [whispering] in eine Zeile ein. Gemini spielt den Hinweis, statt ihn vorzulesen.

Mehrsprecher-Dialoge

Vertonen Sie einen Wechseldialog zwischen zwei Sprechern in einer einzigen Generierung, jeder Sprecher mit einer eigenen, unverwechselbaren Stimme.

Mehrsprachigkeit und Akzentsteuerung

Erzählen Sie in vielen Sprachen, mit Kontrolle über Akzent, Tempo und Stil in jeder einzelnen.

SynthID-Wasserzeichen

Jeder Clip trägt Googles unhörbares SynthID-Wasserzeichen zur Kennzeichnung von KI-Inhalten, standardmäßig aktiv und widerstandsfähig gegen erneutes Kodieren.

Gemini 3.1 Flash TTS ist auf Morphic nicht mehr verfügbar.

Nutzen Sie Gemini 3.8 Flash TTS, das neuere Modell mit stärkeren Funktionen.

Gemini 3.8 Flash TTS

Technische Spezifikationen

Mehrsprachig

Steuerung von Stil, Tempo und Akzent in vielen Sprachen

Bis zu 2

Zwei unverwechselbare Stimmen in einer Mehrsprecher-Generierung

Audio-Tags

Anweisungen in normaler Sprache plus Hinweise in eckigen Klammern

SynthID

Unhörbares Wasserzeichen zur Kennzeichnung von KI-Inhalten

Anwendungsfälle

Videoerzählung und Voice-over

Verleihen Sie KI- oder Realvideos eine natürliche Erzählstimme, mit Ton und Tempo in normaler Sprache festgelegt.

Charakterdialoge

Vertonen Sie Zweier-Szenen für Kurzfilme, Games und Erklärvideos, jede Figur mit eigener Stimme.

Lokalisierte Vertonung

Erzählen Sie dasselbe Skript in vielen Sprachen mit nativer Betonung und Akzentsteuerung, inklusive deutscher Stimmen.

Hörbücher und Langform-Inhalte

Halten Sie die Wiedergabe über lange Erzählpassagen hinweg natürlich und konsistent.

Erklärvideos und Tutorials

Klare, steuerbare Erzählung für Produkt-Walkthroughs, Schulungen und Anleitungen.

Werbespots und Promotions

Ausdrucksstarke, markengerechte Sprachaufnahmen mit der Energie und Betonung, die Sie vorgeben.

Prompt-Beispiele

Warme Erzählung

Diese Zeile warm und langsam sprechen, wie beim Trösten eines Kindes: Der Sturm ist vorüber. Du bist jetzt in Sicherheit.

Edit prompt

Spontane Reaktion

Ich kann nicht glauben, dass du das getan hast [laughs]. Beste Überraschung des Jahres.

Edit prompt

Vom Flüstern zur normalen Stimme

[whispering] Keinen Laut. [normal voice] Okay, die Luft ist rein.

Edit prompt

Akzentsteuerung

Das mit britischem Akzent lesen: Schönes Wetter heute, nicht wahr?

Edit prompt

Dramatisches Tempo

Das langsam und bedächtig lesen: Jedes. Wort. Zählt.

Edit prompt

Zweier-Szene

Maya: Hast du schon vom Job gehört? Tom: Ja. Ich fange Montag an.

Edit prompt

Überblick

Gemini 3.1 Flash TTS ist Googles Text-to-Speech-Modell, vorgestellt am 15. April 2026. Es verwandelt Text in ausdrucksstarke, natürliche Erzählung, die Sie mit Anweisungen in normaler Sprache und Audio-Tags im Text steuern, vertont Mehrsprecher-Dialoge und versieht jeden Clip mit einem SynthID-Wasserzeichen.

Was Gemini 3.1 Flash TTS anders macht

Die meisten Text-to-Speech-Systeme lesen Ihre Worte nur in fester Betonung vor. Gemini 3.1 Flash TTS nimmt Regieanweisungen an. Schreiben Sie eine Anweisung in normaler Sprache vor eine Zeile, um Ton, Tempo oder Akzent festzulegen, und setzen Sie Hinweise in eckigen Klammern, wie [laughs] oder [whispering], genau dort, wo Sie sie brauchen. Das Modell setzt die Anweisung um, statt sie vorzulesen, sodass ein einziges Skript von einem gedämpften Nebensatz zu einer energiegeladenen Vorlesung wechseln kann.

Gemini 3.1 Flash TTS auf Morphic

Auf Morphic wurde Gemini 3.1 Flash TTS eingestellt. Der Nachfolger Gemini 3.8 Flash TTS ist das neuere Modell mit besseren Fähigkeiten und übernimmt die Sprachausgabe. Das aktuelle Angebot finden Sie unter KI-Modelle.

Einfache Preise

Starten Sie noch heute kostenlos, mit der Option, jederzeit zu upgraden oder zu kündigen.

Basic

/ Monat

abgerechnet als $0 pro Jahr

2400 monatliche Credits

1 Nutzer

Alle Modelle

Workflows

Standard

/ Monat

abgerechnet als $0 pro Jahr

3625 monatliche Credits

1 Nutzer

Alle Modelle

Workflows

Pro

/ Monat

abgerechnet als $0 pro Jahr

6350 gemeinsame monatliche Credits

1 Nutzer

+ bis zu 4 weitere gegen Aufpreis

Alle Modelle

Workflows

Max

/ Monat

abgerechnet als $0 pro Jahr

24650 gemeinsame monatliche Credits

1 Nutzer

+ bis zu 9 weitere gegen Aufpreis

Alle Modelle

Workflows

Enterprise

Für höhere Limits

Individuell

Preis- und Abrechnungsbedingungen

High-Volume-Credits

Individuelle Platzlimits

Alle Modelle

Workflows

Free

Zum Ausprobieren

dauerhaft kostenlos

Bis zu 20 Credits

Nur 1 Nutzer

Eingeschränkte Modelle

Workflows

Tarifdetails vergleichen

Häufig gestellte Fragen

Was ist Gemini 3.1 Flash TTS?

Gemini 3.1 Flash TTS ist Googles Text-to-Speech-Modell, vorgestellt am 15. April 2026. Es erzeugt ausdrucksstarke, natürliche Erzählstimmen, die Sie mit Anweisungen in normaler Sprache und Audio-Tags im Text steuern, unterstützt Mehrsprecher-Dialoge und versieht jeden Clip mit einem SynthID-Wasserzeichen.

Wofür eignet sich Gemini 3.1 Flash TTS?

Für Voice-over, Erzählung, Charakterdialoge, lokalisierte Vertonung und ausdrucksstarke Werbespots. Anweisungen in normaler Sprache und Audio-Tags passen zu jedem Skript, bei dem die Betonung so viel zählt wie der Text.

Kennzeichnet Gemini 3.1 Flash TTS die Audiodateien als KI-Inhalt?

Ja. Jeder von Gemini 3.1 Flash TTS erzeugte Clip trägt Googles unhörbares SynthID-Wasserzeichen zur Kennzeichnung von KI-Inhalten. Es ist für Hörer nicht wahrnehmbar und übersteht gängige Bearbeitungen wie erneutes Kodieren.

Wie steuere ich die Stimme?

Auf zwei Arten, die sich kombinieren lassen. Schreiben Sie vor Ihrer Zeile eine Anweisung in normaler Sprache, etwa „Sprich das warm und langsam“, und setzen Sie zusätzlich Hinweise in eckigen Klammern wie [laughs] oder [whispering] genau dort, wo Sie sie brauchen. Gemini spielt den Hinweis, statt ihn vorzulesen.

Unterstützt es mehrere Sprecher?

Ja. Gemini 3.1 Flash TTS kann einen Wechseldialog zwischen zwei Sprechern in einer einzigen Generierung vertonen und jedem Sprecher eine eigene, unverwechselbare Stimme geben. Markieren Sie jede Zeile mit dem Namen des Sprechers und weisen Sie vor der Generierung jeweils eine Stimme zu.

Wie viele Sprachen unterstützt es?

Gemini 3.1 Flash TTS erzählt in vielen Sprachen, mit Kontrolle über Akzent, Tempo und Stil in jeder einzelnen. Wählen Sie vor der Generierung die passende Stimme und Sprache für Ihr Skript.

Wie unterscheidet es sich von ElevenLabs?

Beide liefern menschenähnliche Stimmen. ElevenLabs ist eine vollständige Audio-Suite für Sprache, Musik und Soundeffekte mit feinen Stimmeinstellungen. Gemini 3.1 Flash TTS konzentriert sich auf ausdrucksstarke, steuerbare Sprache, mit Anweisungen in normaler Sprache, Audio-Tags im Text und Mehrsprecher-Dialogen. Viele Creator nutzen beide, eines für die Stimme, das andere für Musik und Effekte.

Kann ich Gemini 3.1 Flash TTS noch auf Morphic nutzen?

Nein. Gemini 3.1 Flash TTS wurde auf Morphic eingestellt. Nutzen Sie stattdessen Gemini 3.8 Flash TTS, das neuere Modell mit besseren Fähigkeiten: Öffnen Sie Copilot oder Canvas und wählen Sie Gemini 3.8 Flash TTS in der Modellliste.

Weitere Modelle

Vidu Q4

Shengshu Technology

Shengshus neuestes Videomodell. Bis zu 12 Referenzbilder und 3 Stimmen bleiben im Clip konsistent, mit nativem Ton von 540p bis 4K.

Nano Banana 2.1

Google DeepMind

Google DeepMinds neues Flash-Bildmodell. Mehr Design, saubere Edits, stabile Figuren.

Flux 3 Image

Black Forest Labs

Das Bildmodell von Black Forest Labs, gebaut für Kontrolle. Jedes Element platzieren, Box für Box bearbeiten.

Ideogram 4.5

Ideogram

Ideograms Präzisionsmodell für die Bildbearbeitung. Bearbeitung auf Bearbeitung, ohne Drift und Artefakte.