GoogleAudiomodellVorschau
Gemini 3.1 Flash TTS
BeliebtheitPlatz 209 von 875
44von 100wie im Vormonat
Zusammenfassung
Gemini 3.1 Flash TTS Preview verwandelt Text in Audio und unterstützt ausdrucksstarke Audio-Tags sowie steuerbare Anweisungen. Das API-Profil erlaubt bis zu 8.192 Eingabe-Token und 16.384 Audio-Ausgabe-Token.
Googles aktueller Modellkatalog führt den Endpunkt als Legacy-TTS-Vorschau. Für neue Produktions-Workloads empfiehlt Google Gemini 3.8 Flash TTS oder Gemini 3.8 Flash-Lite TTS.
Alle Benchmark-Werte
Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.
Alle 48 veröffentlichten Benchmark-Werte anzeigen
Seite 1 von 4
Messungen ohne passende Vergleichswerte
Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.
Hume Voice Instruction tone-following accuracy (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 90.2
- Bewertung
- 90.2
- Messgröße
- Accuracy selecting the take that follows a tone instruction
- Einheit
- %
- Benchmark-Version
- Hume Voice Controllability leaderboard, tone table, captured 2026-10-17
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Hume AI Real World VoiceEQ
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakte Hume-Tabellenbezeichnung google/gemini-3.1-flash. Bezahlte, verblindete Rater wählen, welche von zwei Aufnahmen derselben Stimme die Tonanweisung besser befolgt; die Quelle nennt 50 % als Zufallstrefferquote.
- Einordnung
- Die Evaluator-Bezeichnung lässt den API-Suffix preview aus; die unveränderliche Routen-Version ist nicht angegeben. Hume veröffentlicht weder Fallzahl je Modell noch ein Konfidenzintervall.
Hume Voice Instruction emotion-identification accuracy (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 67
- Bewertung
- 67
- Messgröße
- Accuracy identifying the intended emotion from six options
- Einheit
- %
- Benchmark-Version
- Hume Voice Controllability leaderboard, emotion table, captured 2026-10-17
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Hume AI Real World VoiceEQ
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakte Hume-Tabellenbezeichnung google/gemini-3.1-flash. Rater ordnen die Emotion einer von sechs Optionen zu; die Quelle nennt 16,7 % als Zufallstrefferquote.
- Einordnung
- Die Evaluator-Bezeichnung lässt den API-Suffix preview aus; die unveränderliche Routen-Version ist nicht angegeben. Hume veröffentlicht weder Fallzahl je Modell noch ein Konfidenzintervall.
Hume Voice Controllability role-fit win rate (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 66.9
- Bewertung
- 66.9
- Messgröße
- Blind pairwise listener win rate over decided voice-role-fit votes
- Einheit
- %
- Benchmark-Version
- Hume Voice Controllability leaderboard, overall role-fit table, captured 2026-10-17
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Hume AI Real World VoiceEQ
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakte Hume-Tabellenbezeichnung google/gemini-3.1-flash. Bezahlte, verblindete Rater vergleichen zwei Stimmen für denselben Produktionsauftrag. Der Wert ist der Anteil der entschiedenen Stimmen für die Rollenpassung; 50 % entspricht einem Gleichstand.
- Einordnung
- Die Evaluator-Bezeichnung lässt den API-Suffix preview aus. Dies ist ein paarweiser Rollenpassungswert; Hume veröffentlicht weder Stimmenzahlen je Modell noch ein Konfidenzintervall.
Hume Voice Controllability naturalness win rate (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 56.1
- Bewertung
- 56.1
- Messgröße
- Blind pairwise listener win rate over decided naturalness votes
- Einheit
- %
- Benchmark-Version
- Hume Voice Controllability leaderboard, overall role-fit table, captured 2026-10-17
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Hume AI Real World VoiceEQ
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakte Hume-Tabellenbezeichnung google/gemini-3.1-flash. Bezahlte, verblindete Rater bewerten getrennt, welche Stimme für denselben Produktionsauftrag natürlicher klingt. Der Wert ist der Anteil der entschiedenen Stimmen; 50 % entspricht einem Gleichstand.
- Einordnung
- Die Evaluator-Bezeichnung lässt den API-Suffix preview aus. Dies ist ein paarweiser Natürlichkeitswert und von Rollenpassung getrennt; Hume veröffentlicht weder Stimmenzahlen je Modell noch ein Konfidenzintervall.
Addis AI Amharic TTS Benchmark (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 11.02
- Bewertung
- 11.02
- Messgröße
- Word error rate (WER), Amharic, primary 87-prompt set, Chirp 3 ASR judge
- Einheit
- %
- Kategorie
- Text-to-speech
- Richtung
- Weniger ist besser
- Stichprobe
- 87
- Untere Konfidenzgrenze
- 8.94
- Obere Konfidenzgrenze
- 13.27
- Quellentyp
- community-reported
- Auswertung
- Addis AI Amharic TTS Benchmark
- Status
- active
- Abrufdatum
- 2026-10-20
- Methodik
- Community-Messung. Öffentliche Gemini-Vorschau gemini-3.1-flash-tts-preview, Stimme Kore, Amharisch. Durchlauf vom 12.08.2026. Die Prompts stammen aus öffentlichen Testsplits mit gepinnten Revisionen: 34 FLEURS-, 33 Waxal- und 33 Horn-ASR-Beispiele. Die primäre CER/WER-Auswertung umfasst 87 nicht numerische Prompts mit Chirp 3 als ASR-Bewerter. Die verblindeten Hörbewertungen verwenden 100 Clips. Die Latenz umfasst 100 rohe Anfragen an die öffentliche API und ist nicht um die erzeugte Clipdauer bereinigt.
- Einordnung
- Dies ist ein einzelner Amharisch-Durchlauf mit öffentlichen Testdaten, kein allgemeines mehrsprachiges TTS-Ranking. Addis AI veröffentlicht ein eigenes Sprachsystem im Vergleich. Die Ergebnisse stammen daher von einem Anbieter mit eigenem kommerziellem Interesse. Sie sind weder Google-Angaben noch eine unabhängige Google-Auswertung. Die Seite nennt die Modell-ID der öffentlichen Vorschau und die Stimme, aber keinen unveränderlichen Serving-Build.
Addis AI Amharic TTS Benchmark (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 3.9
- Bewertung
- 3.9
- Messgröße
- Character error rate (CER), Amharic, strict full 100-prompt set
- Einheit
- %
- Kategorie
- Text-to-speech
- Richtung
- Weniger ist besser
- Stichprobe
- 100
- Quellentyp
- community-reported
- Auswertung
- Addis AI Amharic TTS Benchmark
- Status
- active
- Abrufdatum
- 2026-10-20
- Methodik
- Community-Messung. Öffentliche Gemini-Vorschau gemini-3.1-flash-tts-preview, Stimme Kore, Amharisch. Durchlauf vom 12.08.2026. Diese CER des vollständigen Testsatzes umfasst alle 100 Prompts, anders als die primären 87 nicht numerischen Prompts. Für diesen Vollsatzwert nennt die Quelle kein Konfidenzintervall.
- Einordnung
- Dies ist ein einzelner Amharisch-Durchlauf mit öffentlichen Testdaten, kein allgemeines mehrsprachiges TTS-Ranking. Addis AI veröffentlicht ein eigenes Sprachsystem im Vergleich. Die Ergebnisse stammen daher von einem Anbieter mit eigenem kommerziellem Interesse. Sie sind weder Google-Angaben noch eine unabhängige Google-Auswertung. Die Seite nennt die Modell-ID der öffentlichen Vorschau und die Stimme, aber keinen unveränderlichen Serving-Build.
Addis AI Amharic TTS Benchmark (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 12.48
- Bewertung
- 12.48
- Messgröße
- Word error rate (WER), Amharic, strict full 100-prompt set
- Einheit
- %
- Kategorie
- Text-to-speech
- Richtung
- Weniger ist besser
- Stichprobe
- 100
- Quellentyp
- community-reported
- Auswertung
- Addis AI Amharic TTS Benchmark
- Status
- active
- Abrufdatum
- 2026-10-20
- Methodik
- Community-Messung. Öffentliche Gemini-Vorschau gemini-3.1-flash-tts-preview, Stimme Kore, Amharisch. Durchlauf vom 12.08.2026. Diese WER des vollständigen Testsatzes umfasst alle 100 Prompts, anders als die primären 87 nicht numerischen Prompts. Für diesen Vollsatzwert nennt die Quelle kein Konfidenzintervall.
- Einordnung
- Dies ist ein einzelner Amharisch-Durchlauf mit öffentlichen Testdaten, kein allgemeines mehrsprachiges TTS-Ranking. Addis AI veröffentlicht ein eigenes Sprachsystem im Vergleich. Die Ergebnisse stammen daher von einem Anbieter mit eigenem kommerziellem Interesse. Sie sind weder Google-Angaben noch eine unabhängige Google-Auswertung. Die Seite nennt die Modell-ID der öffentlichen Vorschau und die Stimme, aber keinen unveränderlichen Serving-Build.
Addis Voice 2 Amharic TTS, character error rate (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 2.89
- Bewertung
- 2.89
- Messgröße
- Amharic character error rate (CER), primary table excluding prompts with digits; 95% interval 2.17–3.73%
- Einheit
- %
- Kategorie
- text-to-speech
- Richtung
- Weniger ist besser
- Stichprobe
- 87
- Untere Konfidenzgrenze
- 2.17
- Obere Konfidenzgrenze
- 3.73
- Quellentyp
- community-reported
- Auswertung
- Addis AI, Amharic TTS Benchmark
- Status
- disputed
- Abrufdatum
- 2026-10-21
- Methodik
- Community-Messung. Gemini 3.1 Flash TTS Public Preview, exakte Modell-ID gemini-3.1-flash-tts-preview, Stimme Kore. Addis AI berichtet einen Amharisch-Lauf vom 12. August 2026. Die primäre CER-Tabelle verwendet 87 von 100 öffentlichen Prompts, weil Prompts mit Ziffern ausgeschlossen werden; Chirp 3 dient als ASR-Judge. Die Seite nennt 2,89 % CER, das revisionsgepinnte Dataset-README desselben Laufs 2,90 %.
- Einordnung
- Addis AI veröffentlicht diese Auswertung selbst. Das revisionsgepinnte Dataset-README desselben Laufs nennt statt 2,89 % einen Wert von 2,90 %, daher bleibt der CER-Wert strittig. Es handelt sich um einen ASR-basierten Verständlichkeits-Proxy, nicht um eine direkte Messung von Prosodie oder Hörqualität.
Cekura TTS benchmark, medical-terms score (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 100
- Bewertung
- 100
- Messgröße
- Cekura label: “Medical terms”; percentage-score definition and denominator are not specified in the captured excerpt
- Einheit
- %
- Benchmark-Version
- Cekura TTS benchmark page, last updated 2026-10-19; 26 voices compared
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Cekura Bench
- Status
- active
- Abrufdatum
- 2026-10-24
- Methodik
- Unabhängige Evaluation. Die Cekura-Text-to-Speech-Seite nennt den Eintrag „Gemini 3.1 Flash“ und vergleicht 26 Stimmen. Googles API-Katalog ordnet „Gemini 3.1 Flash TTS“ separat der Modell-ID gemini-3.1-flash-tts-preview zu. Cekura nennt im erfassten Ausschnitt weder die verwendete Request-Modell-ID/Route noch Serving-Revision, Sprache, Prompt-Set, Metriknenner, Stichprobenzahl oder Konfidenzintervall.
- Einordnung
- Googles API-Katalog führt Gemini 3.1 Flash TTS als Legacy-Preview-Modell gemini-3.1-flash-tts-preview und empfiehlt neuere 3.8-TTS-Modelle. Das ist kein 3.8-Ergebnis. Cekura nennt im erfassten Ausschnitt weder die genaue Request-Route oder Serving-Revision noch Formel, Nenner, Aufgaben-N, Sprache, Prompt-Set, Scorer oder Konfidenzintervall. Die 26 ist die Stimmen-Vergleichsgruppe, nicht N. Die Werte sind von Cekura aufgabenspezifisch ausgewiesene Prozentwerte zum Vorlesen, keine subjektiven Audioqualitäts- oder Latenzwerte.
Cekura TTS benchmark, hard-parts-right score (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 87.7
- Bewertung
- 87.7
- Messgröße
- Cekura label: “Reads hard parts right”; percentage-score definition and denominator are not specified in the captured excerpt
- Einheit
- %
- Benchmark-Version
- Cekura TTS benchmark page, last updated 2026-10-19; 26 voices compared
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Cekura Bench
- Status
- active
- Abrufdatum
- 2026-10-24
- Methodik
- Unabhängige Evaluation. Die Cekura-Text-to-Speech-Seite nennt den Eintrag „Gemini 3.1 Flash“ und vergleicht 26 Stimmen. Googles API-Katalog ordnet „Gemini 3.1 Flash TTS“ separat der Modell-ID gemini-3.1-flash-tts-preview zu. Cekura nennt im erfassten Ausschnitt weder die verwendete Request-Modell-ID/Route noch Serving-Revision, Sprache, Prompt-Set, Metriknenner, Stichprobenzahl oder Konfidenzintervall.
- Einordnung
- Googles API-Katalog führt Gemini 3.1 Flash TTS als Legacy-Preview-Modell gemini-3.1-flash-tts-preview und empfiehlt neuere 3.8-TTS-Modelle. Das ist kein 3.8-Ergebnis. Cekura nennt im erfassten Ausschnitt weder die genaue Request-Route oder Serving-Revision noch Formel, Nenner, Aufgaben-N, Sprache, Prompt-Set, Scorer oder Konfidenzintervall. Die 26 ist die Stimmen-Vergleichsgruppe, nicht N. Die Werte sind von Cekura aufgabenspezifisch ausgewiesene Prozentwerte zum Vorlesen, keine subjektiven Audioqualitäts- oder Latenzwerte.
Artificial Analysis Provider Voice Arena preference (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 1212
- Bewertung
- 1212
- Messgröße
- blind pairwise native-voice preference Elo
- Einheit
- elo
- Benchmark-Version
- Current Provider Voice Arena board retrieved 2026-10-15
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Stichprobe
- 4065
- Konfidenzintervall
- 11
- Untere Konfidenzgrenze
- 1201
- Obere Konfidenzgrenze
- 1223
- Quellentyp
- independent-evaluator
- Auswertung
- Artificial Analysis
- Status
- superseded
- Abrufdatum
- 2026-10-15
- Methodik
- Unabhängige Evaluation. Blinde paarweise Präferenz für ein natives Sprachset des Anbieters mit 7 Stimmen; 4.065 Board-Auftritte; Angezeigter Modell-Release: Apr 2026.
- Einordnung
- Auftritte entsprechen nicht der Zahl einzelner Hörer. Die aktuelle Seite nennt keinen Evaluierungszeitraum je Modell.
Artificial Analysis Provider Voice Arena preference (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 1213
- Bewertung
- 1213
- Messgröße
- blind pairwise preference Elo for provider-native voices
- Einheit
- elo
- Benchmark-Version
- Current Provider Voice Arena board retrieved 2026-10-16
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Stichprobe
- 4107
- Konfidenzintervall
- 11
- Untere Konfidenzgrenze
- 1202
- Obere Konfidenzgrenze
- 1224
- Quellentyp
- independent-evaluator
- Auswertung
- Artificial Analysis
- Status
- superseded
- Abrufdatum
- 2026-10-16
- Methodik
- Unabhängige Evaluation. Exakte Board-Zeile Gemini 3.1 Flash TTS; verblindete paarweise Präferenz für sieben anbieter-native Stimmen; 4.107 Board-Auftritte. Das angezeigte Veröffentlichungsdatum April 2026 stammt aus dem Board.
- Einordnung
- Auftritte entsprechen nicht der Zahl einzelner Hörer. Das Board nennt keinen Evaluierungszeitraum je Modell.
Seite 1 von 4
Beliebtheit im Vergleich
Wie oft das Modell gesucht, genutzt und erwähnt wird, im Vergleich mit allen Modellen dieser Kategorie.
Beliebtheitsindex
0 bis 100, höher ist beliebter
20 von 83 Modellen
pyannote Community-1, pyannote: 73
Nemotron-3-Diarization, NVIDIA: 57
Gemini 3.5 Transcribe, Google: 52
Confucius4-R2T2, NetEase Youdao: 52
Granite Speech 5.0 470M TurboCTC, IBM: 52
Kokoro-82M, hexgrad: 51
Nova-3, Deepgram: 51
Fish Audio S2 Pro, Fish Audio: 51
NVIDIA Nemotron 3.5 Transcribe, NVIDIA: 50
Granite Speech 5.0 470M TurboCTC NC, IBM: 50
Orukeet, Oruk: 49
Lyria 3.5, Google: 47
Gemini 3.5 Live Translate, Google: 46
Phonon-2, Fermion Research: 44
Aura-2, Deepgram: 44
Gemini 3.1 Flash TTS, Google: 44
MiniMax-Music3, MiniMax: 41
Audio8-ASR-Infinite, Edge0 AI: 41
GPT-Realtime 2.1, OpenAI: 41
Eleven v3, ElevenLabs: 39
Gemini 3.1 Flash TTS
Stand November 2026 · Quelle: gradually.ai Beliebtheitsindex
Zeitlicher Verlauf
Wochenwerte vom 18. Oktober 2026 bis 5. November 2026
Gemini 3.1 Flash TTSAura-2Phonon-2Gemini 3.5 Live TranslateMiniMax-Music3
Alle technischen Daten
Architektur
Ein- und Ausgabe
- Funktionen
- Expressive Audio-Tags, steuerbare Anweisungen und mehrsprachige Sprachausgabe
- Quelle: Funktionen
Wasserzeichen und Herkunft
KI-Wasserzeichen meint unsichtbare Signale in der Ausgabe. Sichtbare Zeichen und Herkunftsmetadaten sind getrennt aufgeführt. Unbekannt bedeutet, dass für die jeweilige Angabe kein ausreichender Beleg vorliegt.
- KI-Wasserzeichen
- Ja. Google kennzeichnet erzeugtes Audio mit dem unhörbaren Wasserzeichen SynthID.
- Quelle: KI-Wasserzeichen
Lizenz und Zugang
API
Weitere Angaben
Quellen und Datenstand
Alle 36 Quellen anzeigen
Benchmarkquellen im Überblick
Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.
Für dieses Modell ist derzeit kein aktives Ergebnis der geprüften externen Auswerter zugeordnet. Weitere Quellenbelege stehen darunter.
Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten.
| Art | Nachweis und Datenstand |
|---|---|
| Recherchestand | Recherchestand 15. Oktober 2026. 32 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell. |
| Nicht veröffentlicht | evaluator-route-revision-denominator-and-confidence-interval Hinweis Hume veröffentlicht die Werte unter google/gemini-3.1-flash und nicht unter Googles exaktem API-Modellcode. Googles Modellseite bestätigt Gemini 3.1 Flash TTS Preview als Text-to-Speech-Produkt, Hume nennt jedoch weder unveränderliche Routen-Version, Fallzahl je Modell noch Konfidenzintervalle. |
| Nicht veröffentlicht | tts-serving-revision-and-metric-denominator Hinweis Serving-Revision und vollständige Generierungsparameter sowie metrikspezifisches N sind nicht veröffentlicht. |
| Weitere Quelle | Google Gemini API model catalog (abgerufen 24. September 2026) · Google Gemini API model catalog · Redaktionelle Beschreibung geprüft am 2. Oktober 2026 |
| Weitere Quelle | Artificial Analysis (abgerufen 15. Oktober 2026; 16. Oktober 2026) |
| Weitere Quelle | Hume AI Real World VoiceEQ (abgerufen 17. Oktober 2026)12 |
| Weitere Quelle | Speko independent voice benchmark (abgerufen 17. Oktober 2026) |
| Weitere Quelle | VoiceArena TTS Leaderboard (abgerufen 17. Oktober 2026) |
| Weitere Quelle | Speko TTS benchmark (abgerufen 17. Oktober 2026) |
| Weitere Quelle | Addis AI Amharic TTS Benchmark (abgerufen 20. Oktober 2026; 21. Oktober 2026) |
| Weitere Quelle | Cekura Bench (abgerufen 24. Oktober 2026) |
| Weitere Quelle | Artificial Analysis (abgerufen 28. Oktober 2026; 29. Oktober 2026; 3. November 2026) |
| Weitere Quelle | DesignArena (abgerufen 28. Oktober 2026)12 |
| Weitere Quelle | VoiceArena primary public leaderboard (abgerufen 28. Oktober 2026) |
| Weitere Quelle | Modellmetadaten (abgerufen 15. Oktober 2026; 16. Oktober 2026; 17. Oktober 2026) · Google Gemini 3.1 Flash TTS model documentation · Redaktionelle Beschreibung geprüft am 2. Oktober 2026 |
| Weitere Quelle | Modellmetadaten (abgerufen 17. Oktober 2026)1234 (am 2. November 2026 nicht abrufbar) https://voicearena.com/assets/Methodology-CJGHT0Ur.js |
| Weitere Quelle | Modellmetadaten (abgerufen 20. Oktober 2026) |
| Weitere Quelle | Modellmetadaten (abgerufen 28. Oktober 2026)12345678910 |
| Weitere Quelle | Google Gemini 3.1 Flash TTS announcement (abgerufen 5. November 2026) |
| Weitere Quelle | OpenRouter: Beliebtheitsindex (abgeleitet), CC BY 4.0 |
| Weitere Quelle | Vercel AI Gateway: Beliebtheitsindex (abgeleitet), CC BY 4.0 |
| Weitere Quelle | Ollama: kumulierte Downloads für den Beliebtheitsindex |
| Weitere Quelle | Replicate: kumulierte Ausführungen für den Beliebtheitsindex |
| Weitere Quelle | Google Trending Now: begrenzte Feed-Auswahl für Deutschland und USA |
| Weitere Quelle | Creative Commons Attribution 4.0 |