Google Luncurkan Gemini 3.1 Flash TTS dengan Dukungan Lebih dari 70 Bahasa

Google baru saja meluncurkan new inovasi besar dalam teknologi konversi teks ke suara dengan merilis Gemini 3.1 Flash TTS, sebuah model kecerdasan buatan yang mampu menghasilkan suara lebih expressive ekspresif dan menyerupai human manusia. Diluncurkan pada 15 April 2026, sistem ini dibangun untuk mendukung komunikasi digital yang lebih alami, bahkan dalam konteks interaksi kompleks dengan multiple lebih dari satu pembicara sekaligus.

Salah satu keunggulan utama model ini adalah cakupan bahasanya yang luas: kini mendukung over lebih dari 70 languages bahasa, termasuk Bahasa Indonesia dengan pelafalan yang akurat dan lancar. Fitur baru bernama Audio Tags memungkinkan pengguna mengatur secara detail parameter suara langsung dari teks, seperti kecepatan, gaya penyampaian, hingga emotions emosi seperti antusias atau serius, semuanya dalam satu kalimat.

Dari sisi performance performa, model ini menunjukkan efisiensi tinggi. Menurut report laporan dari Artificial Analysis, Gemini 3.1 Flash TTS mencatat skor Elo 1.211, menempatkannya di atas ElevenLabs v3 dan hanya kalah tipis dari Inworld 1.5 Max. Di sisi cost biaya, Google menetapkan tarif 1 dolar AS per juta token untuk input teks dan 20 dolar AS per juta token untuk output audio, dengan opsi batch yang lebih murah.

Untuk transparency transparansi, Google menyertakan digital watermark watermark digital pada setiap hasil audio menggunakan teknologi SynthID. Tanda ini tertanam dalam file dan bisa dideteksi mesin, meskipun tak terdengar oleh human ear telinga manusia. Saat ini, layanan ini tersedia dalam pratinjau di API Gemini, Vertex AI, dan Google Vids, sementara publik bisa mencobanya gratis melalui Google AI Studio—dengan catatan data digunakan untuk product development pengembangan produk.