Demo de Gemini 3.1 Flash TTS
Prueba Gemini 3.1 Flash TTS directamente en Flixly con clips de 10 segundos a 44.1kHz. Consulta el uso de créditos, los formatos de exportación y la configuración por lotes que termina un proyecto de 90 segundos con menos de 25 créditos.
En resumen
Gemini 3.1 Flash TTS en Flixly produce un clip de 10 segundos a razón de 0.8 segundos por cada 10 palabras. Cambia a 44.1kHz, mantén los prompts por debajo de 280 caracteres y procesa por lotes con concurrencia 4 a lo largo de 90 segundos de audio para mantener bajo el total acumulado.
Una narración de 20 segundos para un video corto tarda 12 segundos en procesarse en la mayoría de las plataformas cuando necesitas cinco versiones antes del mediodía.
El costo real de un TTS lento
Las solicitudes por lotes de 15 clips acumulan 180 segundos de espera en herramientas que ponen los trabajos en cola de forma secuencial. Gemini 3.1 Flash TTS procesa la misma carga en 28 segundos en total cuando se ejecuta a través del endpoint dedicado.
Los usuarios reportan una fuerte caída en los créditos usados por minuto de audio en comparación con modelos anteriores. La diferencia aparece en pruebas directas lado a lado con salida MP3 a 128 kbps.
Problemas comunes de configuración
Muchas interfaces usan por defecto una frecuencia de muestreo de 24kHz, lo que recorta las frecuencias altas por encima de 10kHz. Cambia a 44.1kHz antes de generar para ajustarte a los estándares de transmisión.
La longitud del prompt tiene un límite de 280 caracteres antes de que se trunque. Divide los guiones más largos al final de las oraciones para que cada llamada quede por debajo del límite.
Cómo ejecutar la demo en Flixly
Selecciona la herramienta Texto a voz y elige Gemini 3.1 Flash TTS en el menú desplegable de modelos. Escribe el texto, elige una voz predefinida y ajusta la duración a 10 segundos para la primera prueba.
Una sola generación devuelve un archivo de 220 kB. Descárgalo y reprodúcelo a velocidad normal para revisar la entonación en números y siglas.
Configuración por lotes que ahorra tiempo
- Ajusta la concurrencia a 4 para cuatro trabajos en paralelo.
- Usa primero el modo de vista previa a 16 kHz y luego escala a la frecuencia completa.
- Exporta en WAV para editar y luego convierte a MP3 a 128 kbps.
Estos pasos mantienen bajo el uso total de créditos en un proyecto de 90 segundos.
Casos límite y restricciones
Los acentos con erres muy vibrantes muestran un ligero desfase de tiempo de 0.3 segundos por cada clip de 60 segundos. Las frases cortas de menos de 4 segundos a veces pierden la consonante final.
Las sesiones de más de 180 segundos activan una pausa automática de 30 segundos entre lotes. Tenlo en cuenta al producir contenido en serie.
Compara la calidad de salida directamente con las fichas de Gemini TTS para ver las mejoras de 2026 en la estabilidad del tono.
Tabla comparativa de modelos
| Modelo | Segundos por 10 palabras | Créditos por minuto | Frecuencias de muestreo |
|---|---|---|---|
| Gemini 3.1 Flash TTS | 0.8 | se cotiza en la app | 24/44.1 kHz |
| Seedance 2.0 | 1.4 | se cotiza en la app | 22/48 kHz |
| Veo 3.1 | 1.1 | se cotiza en la app | solo 44.1 kHz |
Próximos pasos
Inicia la demo ahora en la página de Texto a voz y ejecuta tu primer clip de prueba de 10 segundos. Ajusta los parámetros de voz y vuelve a generarlo hasta lograr el tono que buscas.
Preguntas frecuentes
¿Cuántos créditos cuesta un archivo de 60 segundos con Gemini 3.1 Flash TTS?▾
La app muestra el costo de un archivo de 60 segundos con la configuración predeterminada y MP3 a 44.1kHz antes de generarlo.
¿Puedo clonar una voz personalizada con Gemini 3.1 Flash TTS?▾
Sí, sube una muestra de referencia de 30 segundos con la herramienta Clonación de voz antes de seleccionar el modelo.
¿Qué formatos de archivo exporta la demo?▾
Las exportaciones incluyen WAV, MP3 a 128 o 320 kbps y OGG a 48 kHz.
¿Gemini 3.1 Flash TTS admite varios hablantes en una sola llamada?▾
Solo admite prompts de un único hablante. Usa generaciones separadas y la herramienta Lip Sync Video para combinar las pistas.
¿Cómo se compara la calidad de salida con el audio de Kling 3.0?▾
Gemini 3.1 Flash TTS obtiene mejor puntuación en claridad para narración en inglés, mientras que Kling 3.0 maneja mejor las pistas musicales de fondo con la misma tarifa de créditos.