Modelo de voz · Google
Gemini Flash TTS, também conhecido como Gemini TTS, é a síntese de voz do Google; na Deepnia, ele se apoia no Gemini 3.8 Flash TTS, disponível desde 22 de setembro de 2026. Você escreve até 5.000 caracteres, escolhe uma voz predefinida do Google e coloca sons como uma risada, um suspiro ou uma pausa com marcações em inglês, como <laugh>: o idioma é reconhecido a partir do texto e você recebe um arquivo WAV.
O gerador de voz abre com o Gemini Flash TTS já selecionado. O custo exato aparece antes de cada criação; o cadastro é pedido na hora de gerar.
O Google recomenda 35 marcações vocais para o Gemini 3.8 Flash TTS, escritas em inglês entre colchetes angulares: <laugh>, <sigh>, <gasp>, <short pause>, <long pause>… O modelo lê o seu texto do jeito que está e reproduz cada som no ponto exato da marcação. Na Deepnia, o painel “Expressividade” adiciona risadas, suspiros, pausas ou sussurros com um clique, e você também pode escrever à mão as marcações do Google.
Escreva no idioma que preferir: o Google anuncia mais de 130 idiomas para o Gemini 3.8 Flash TTS, e na Deepnia o idioma é reconhecido a partir do texto, sem nenhum ajuste.
Escolha entre as 30 vozes predefinidas do Google, cada uma descrita por um estilo: Charon “informativa”, Kore “firme”, Puck “animada”, Sulafat “calorosa”, Achernar “suave”. Charon é a voz sugerida por padrão.
O Google apresenta o Gemini 3.8 Flash TTS como o seu modelo principal de síntese de voz: uma voz com qualidade de estúdio, uma interpretação expressiva, sotaques regionais autênticos e grande estabilidade em textos longos. O bastante para ler um roteiro inteiro com a mesma voz.
Com o Gemini TTS, escolha uma voz, escreva o texto e gere: o idioma é reconhecido automaticamente e cada geração entrega um arquivo WAV (24 kHz, mono), pronto para edição.
O botão “Testar Gemini Flash TTS” abre o gerador de voz da Deepnia com o modelo já selecionado.
Percorra as vozes predefinidas do Google (Charon por padrão), busque por nome ou por estilo e ouça a amostra.
Escreva até 5.000 caracteres e depois adicione sons pelo painel “Expressividade” ou escreva as marcações do Google em inglês, entre colchetes angulares.
Confira o custo exibido e clique em “Gerar voz”: o idioma é detectado automaticamente.
Copie um prompt, abra a ferramenta e adapte ao seu projeto.
Era uma vez uma raposinha que nunca queria dormir. <yawn> Mas naquela noite, ela encontrou uma porta escondida no velho carvalho. <long pause> Atrás dela, uma vila inteira brilhava com vaga-lumes.
<cheer> Neste fim de semana, é a semana da corrida na sua loja de esportes! <short pause> Tênis, relógios e roupas esperam por você até domingo à noite.
Inspire profundamente… <breath> e depois solte os ombros. <long pause> Deixe a sua respiração encontrar o próprio ritmo.
Aperte o botão verde e espere três segundos antes de falar. <short pause> A luz azul confirma que a gravação começou.
Welcome to Weekend Makers, the show about side projects that got serious. <laugh> I promise this episode is shorter than the last one.
Quase! <sigh> A resposta certa era sete continentes. <short pause> Próxima pergunta: qual é o rio mais longo do mundo?
Os outros modelos de voz e música da Deepnia, para escolher conforme o seu projeto.
| Modelo | Entradas | Ajustes | Ideal para |
|---|---|---|---|
| Gemini Flash TTSEste modelo | Texto | Tags expressivas | Uma voz expressiva, com risadas, suspiros e pausas exatamente onde você colocar. |
| ElevenLabs v4 | Texto | Idioma, Estabilidade, Tags expressivas | O modelo que abre por padrão no gerador de voz: vozes do catálogo da ElevenLabs, três níveis de estabilidade e 85 idiomas, português (Brasil) incluído. |
| Open TTS | Texto, Voz pessoal autorizada | Idioma, Velocidade, Tags expressivas | Velocidade ajustável, voz pessoal, 22 marcações e legendas SRT. |
| MiniMax Speech 2.6 HD | Texto, Voz pessoal autorizada | Idioma, Velocidade | Uma voz clonada, com velocidade ajustável e 23 idiomas + Auto. |
| Deepnia Long-form | Texto, PDF, Voz pessoal autorizada | — | Um documento inteiro, texto ou PDF, lido em um único arquivo MP3. |
O Google anuncia mais de 130 idiomas para o Gemini 3.8 Flash TTS. Escreva o seu texto no idioma que quiser: ele é reconhecido a partir do texto, e as marcações são escritas em inglês.
De forma automática: escreva no idioma que quiser e o Gemini o reconhece a partir do texto. Use um único idioma por texto para um resultado homogêneo.
30 vozes predefinidas do Google, cada uma com um estilo e uma amostra: Charon “informativa”, Kore “firme”, Puck “animada”… Charon é a voz sugerida por padrão.
Adicione-os pelo painel “Expressividade” ou escreva as marcações do Google em inglês entre colchetes angulares, como <laugh>, <sigh> ou <short pause>, no ponto exato em que o som deve acontecer. O Google recomenda 35.
Escolha pelo estilo: Puck “animada” para um anúncio, Charon “informativa” para um tutorial, Achernar “suave” para uma história de ninar, Sulafat “calorosa” para uma mensagem de boas-vindas. Ouça as amostras e depois adicione marcações onde quiser um som.
Sim: o Google concebe o Gemini 3.8 Flash TTS para uma voz com qualidade de estúdio e grande estabilidade em textos longos. Na Deepnia, você gera até 5.000 caracteres de uma vez com a mesma voz.
No Gemini 3.8 Flash TTS, que o Google disponibilizou em 22 de setembro de 2026: ele lê os seus textos com as vozes predefinidas do Google e entende as marcações vocais em inglês.
Até 5.000 caracteres por geração, entregues em um arquivo WAV (24 kHz, mono). Para um texto mais longo, gere-o em várias partes e junte-as na edição.
O gerador de voz abre com o Gemini Flash TTS já selecionado. O custo exato aparece antes de cada criação; o cadastro é pedido na hora de gerar.
