Gemini 3.1 Flash TTS
A partir de $0.056 por 1.000 caracteres
O modelo expressivo de texto para fala do Google, com resultados naturais e prompts direcionáveis. Você dirige o tom e o ritmo, e o Craze narra o seu vídeo.
O Craze roda o Gemini 3.1 Flash TTS quando você o pede pelo nome.
No que o Gemini 3.1 Flash TTS é bom
Narração expressiva e direcionável
O modelo responde a tags no texto, como (warmly), (urgently) e (whispered), inseridas no seu roteiro.
Ritmo e ênfase naturais
Você pode indicar onde o modelo pausa, onde acelera e quais palavras enfatizar.
Funciona com roteiros de qualquer tamanho
Seja narrando um spot de 30 segundos ou um documentário de 30 minutos, o Gemini 3.1 Flash TTS processa o roteiro inteiro de uma vez.
Dirigir. Criar. Editar.
Pare de escrever prompts. Comece a dirigir.
O Craze explora ideias, pesquisa e planeja com você.
Crie conteúdo de bom gosto.
O Craze gera tudo o que se possa imaginar. Vídeo, áudio, música, motion graphics e muito mais.
Edite vídeos em minutos. Não em dias.
O Craze assiste às suas filmagens e monta um corte final. Com um editor de verdade, se você precisar.
Faça vídeos que as pessoas assistam
- Vídeos UGC
- Motion graphics
- Longas-metragens
- Visualização de produtos
- Microdramas
- Filmes em 3D
- Videoclipes
- Filmes de marca
- Melhores momentos de casamento
- Reviews no YouTube
Como o Gemini 3.1 Flash TTS se compara
Todos os modelos aqui rodam em todos os planos do Craze, incluindo o Free, e o Craze pode usar um diferente para cada tomada.
| Gemini 3.1 Flash TTSGoogle DeepMind | ElevenLabs v4ElevenLabs | Gemini 3.8 Flash TTSGoogle DeepMind | Gemini 3.8 Flash Lite TTSGoogle DeepMind | |
|---|---|---|---|---|
| Gera | Texto para áudio | Texto para áudio | Texto para áudio | Texto para áudio |
| A partir de | $0.056 por 1.000 caracteres | $0.089 por 1.000 caracteres | $0.050 por 1.000 caracteres | $0.034 por 1.000 caracteres |
Especificações do Gemini 3.1 Flash TTS no Craze
| Tarefa | Entradas | Resolução | Proporções | Som |
|---|---|---|---|---|
| Texto para fala | Prompt de texto | Segue a fonte | Segue a entrada | Nenhum |
Escolha o plano para sua próxima criação.
Free
$0 / mês
- Uso limitado
- Acesso a todos os modelos de mídia
- Nível de chat Eficiente
- 1 GB de armazenamento
- Craze MCP
- Exportações em até 720p
- Recarregar créditos adicionais
Pro
$19 / mês
- $19 de créditos todo mês
- Acesso a todos os modelos de mídia
- Todos os níveis de chat
- 50 GB de armazenamento
- Craze MCP
- Sem limites de resolução nas exportações
- Recarregar créditos adicionais
Ultra
$59 / mês
- $59 de créditos todo mês
- Acesso a todos os modelos de mídia
- Todos os níveis de chat
- 200 GB de armazenamento
- Craze MCP
- Sem limites de resolução nas exportações
- Recarregar créditos adicionais
Max
$199 / mês
- $199 de créditos todo mês
- Acesso a todos os modelos de mídia
- Todos os níveis de chat
- 1 TB de armazenamento
- Craze MCP
- Sem limites de resolução nas exportações
- Recarregar créditos adicionais
Perguntas frequentes
O Gemini 3.1 Flash TTS é o modelo de texto para fala do Google para narração expressiva e direcionável. Ele transforma roteiros em fala com som natural, em que você pode dirigir o tom, o ritmo e a emoção sem regravar nem sintetizar de novo.
Por que os criadores escolhem o Gemini 3.1 Flash TTS
O Gemini 3.1 Flash TTS leva controle de direção à narração. A maioria dos modelos de TTS lê de forma monótona. Este aceita direção, e os resultados soam interpretados em vez de sintéticos.
Narração expressiva e direcionável
O modelo responde a tags no texto, como (warmly), (urgently) e (whispered), inseridas no seu roteiro. Você também pode moldar o tom geral pelo prompt. Uma frase marcada com (with doubt) é lida de forma diferente das mesmas palavras sem direção, e o modelo preserva a continuidade em toda a narração para que a personalidade se mantenha consistente do início ao fim.
Ritmo e ênfase naturais
Você pode indicar onde o modelo pausa, onde acelera e quais palavras enfatizar. Isso importa em ensino, vendas e storytelling, em que uma pausa no lugar errado ou uma ênfase mal colocada muda o que o espectador sente.
Funciona com roteiros de qualquer tamanho
Seja narrando um spot de 30 segundos ou um documentário de 30 minutos, o Gemini 3.1 Flash TTS processa o roteiro inteiro de uma vez. Sem emendar trechos, sem quebras de continuidade entre partes.
Como usar o Gemini 3.1 Flash TTS no Craze
Inicie um projeto e escreva sua narração ou traga um roteiro existente. O Craze cuida da geração e da integração.
- Escreva ou cole seu roteiro. Adicione direções no texto, como
(firmly)ou(thoughtfully), para moldar como o modelo lê cada parte. - Cite o Gemini 3.1 Flash TTS no chat, ou encontre-o no painel Modelos e gere.
- O Craze cria o áudio e o coloca na faixa da trilha sonora, sincronizado para começar quando a narração começa.
- Edite o tempo na linha do tempo, apare o áudio para combinar com seus cortes ou gere de novo um trecho que precise de outro tom.
Quando você não cita um modelo, o Craze mostra opções de TTS compatíveis com seus preços, para que você escolha antes de a geração rodar.
Preços do Gemini 3.1 Flash TTS
Os preços começam em $0.056 por 1.000 caracteres. O custo depende apenas da quantidade de caracteres da narração final, não do estilo de voz nem das direções no texto. Use a calculadora desta página para estimar o custo antes de gerar.
Este modelo está disponível em todos os planos do Craze, incluindo o Free. As execuções usam esses créditos e, se você precisar de mais, o excedente é cobrado na mesma tarifa por caractere.
Para quem é o Gemini 3.1 Flash TTS
Conteúdo educacional e instrucional
Vídeos de ensino e tutoriais precisam de ênfase clara e ritmo natural. O Gemini 3.1 Flash TTS lê instruções como um professor de verdade leria, destacando os pontos principais e pausando antes do desfecho.
Narração de marca
Filmes de marca e spots de produtos dependem da voz para definir o tom. Oriente o modelo a seguir a voz da sua marca (confiante, divertida, séria) e gere de novo se a primeira passada sair diferente do que você imaginou.
Documentário e storytelling de longa duração
Uma peça de 20 minutos precisa de uma personalidade consistente durante toda a duração. O Gemini 3.1 Flash TTS mantém a voz e o tom do início ao fim, para que seu narrador soe como uma pessoa contando uma história, e não como uma máquina lendo palavras.
Gemini 3.1 Flash TTS vs. outros modelos
O ElevenLabs v4 é o narrador padrão do Craze e lida com roteiros multilíngues com controle de sotaque. O Gemini 3.1 Flash TTS se destaca na narração expressiva em inglês quando você quer controle de direção no texto sobre o tom e o ritmo. Os dois rodam no Craze em faixas de preço diferentes. O ElevenLabs v4 é a primeira escolha para trabalhos multilíngues rápidos; o Gemini 3.1 Flash TTS é melhor para moldar a emoção e o ritmo de uma narração em um único idioma.
Para geração de áudio completa com música e efeitos sonoros, o Seed Audio 1.0 combina diálogo, foley e ambiência em uma única passada. Se você precisa de uma narração simples e econômica, o Seed Speech, da ByteDance, oferece clonagem de voz natural sem direção no prompt. Para controle fino de emoções com tags como (angry) e (whisper), o Qwen Audio 3.0 TTS oferece suporte multilíngue e dois níveis de velocidade.
Limitações e requisitos do roteiro
No Craze, o Gemini 3.1 Flash TTS tem um tamanho máximo de roteiro de 4.000 caracteres por geração. Roteiros mais longos precisam ser divididos em seções e gerados separadamente, depois combinados na sua linha do tempo. O modelo responde igualmente bem a tags no texto e a direções em linguagem natural, então você pode misturar os dois estilos no mesmo roteiro. A geração de áudio leva cerca de 10 a 30 segundos, dependendo do tamanho do roteiro. O modelo preserva a continuidade da voz e a consistência do tom em toda a narração, então até roteiros longos mantêm a mesma personalidade do início ao fim.
A narração de personagens costuma se beneficiar mais do Gemini 3.1 Flash TTS do que de modelos de voz única. Quando você orienta um narrador a mudar de emoção entre as cenas (vulnerável no primeiro ato, confiante no clímax), as tags no texto dão controle quadro a quadro sem exigir que o roteiro inteiro seja reescrito. Isso importa em storytelling e conteúdo de marca, em que a progressão do tom carrega significado.
Você não pode adicionar música de fundo, foley ou som ambiente só com o Gemini 3.1 Flash TTS. O modelo retorna apenas a narração em voz, então a música e os efeitos vêm da faixa de áudio do seu projeto ou de outra fonte de geração. Isso o torna ideal para projetos de vídeo em que você coloca a narração sobre trilhas musicais ou um desenho de som já existentes.



















