Google meluncurkan model kecerdasan buatan (AI) text-to-speech (TTS) terbaru bernama Gemini 3.1 Flash TTS pada Rabu (15/4/2026). Model ini diklaim mampu menghasilkan suara yang lebih natural dan ekspresif, serta dirancang agar terdengar lebih mirip manusia sebagai bagian dari pengembangan keluarga Gemini 3.1.
Salah satu kemampuan yang ditonjolkan adalah dukungan lebih dari 70 bahasa, termasuk variasi regional, serta fitur percakapan dengan lebih dari satu pembicara (multi-speaker). Bahasa Indonesia disebut termasuk dalam daftar bahasa yang dapat diucapkan model ini, bersama bahasa lain seperti Jepang, Jerman, dan Hindi.
Google juga memperkenalkan fitur Audio Tags yang memungkinkan pengguna mengatur cara AI berbicara melalui perintah teks. Dengan fitur ini, pengguna dapat menentukan parameter seperti kecepatan bicara, gaya penyampaian, hingga emosi dalam satu kalimat, misalnya meminta nada “antusias”, “senang”, atau “serius dan informatif”.
Selain pengaturan emosi dan gaya, Gemini 3.1 Flash TTS menyediakan pilihan gaya suara dan aksen. Pengguna bisa menyesuaikan keluaran audio untuk kebutuhan yang berbeda, mulai dari gaya santai seperti podcast, narasi audiobook, hingga gaya formal seperti pembawa berita. Aksen yang tersedia disebut mencakup, antara lain, Inggris dan Amerika.
Dalam pengujian oleh Artificial Analysis, model ini mencatat skor Elo 1.211 dan dinilai unggul dalam rasio kualitas dan biaya. Gemini 3.1 Flash TTS disebut melampaui kualitas model ElevenLabs v3, namun berada sedikit di bawah Inworld 1.5 Max.
Untuk akses, Google menyediakan versi gratis, dengan catatan data dari pengguna gratis akan digunakan untuk pengembangan produk. Sementara itu, versi berbayar dipatok 1 dolar AS per juta token untuk input teks dan 20 dolar AS per juta token untuk output audio. Google juga menawarkan mode batch dengan biaya lebih rendah, yakni 0,5 dolar AS per juta token untuk input dan 10 dolar AS per juta token untuk output.
Saat ini Gemini 3.1 Flash TTS tersedia dalam tahap pratinjau melalui API Gemini, Vertex AI untuk pengguna perusahaan, serta Google Vids bagi pengguna Workspace. Pengguna umum juga dapat mencoba fitur ini secara gratis lewat Google AI Studio.
Untuk transparansi, Google menyematkan watermark digital pada audio yang dihasilkan menggunakan teknologi SynthID. Watermark tersebut tertanam langsung dalam file suara dan tidak dapat didengar manusia, tetapi dapat dikenali sistem komputer untuk menandai bahwa audio dibuat oleh AI, bukan suara asli manusia.
