¿Qué es Gemini 3.8 Flash TTS?
Gemini 3.8 Flash TTS y Gemini 3.8 Flash-Lite TTS llegaron a disponibilidad general en la Gemini API el 22 de septiembre de 2026, junto con un nuevo endpoint Voices. Puedes diseñar una voz a partir de una descripción en texto, replicar una voz con una muestra de 30 segundos más una grabación hablada de consentimiento, dirigir la interpretación línea a línea y añadir etiquetas como risas y suspiros. Flash-Lite sustituye a gemini-3.1-flash-tts-preview.
Flash TTS cubre más de 130 idiomas y se dirige a audiolibros, videojuegos y podcasts; Flash-Lite cubre más de 100 y se dirige a doblaje y agentes de voz. Todo el audio lleva la marca de agua SynthID de Google, y las voces replicadas reciben además credenciales C2PA. La replicación de voz en AI Studio no se ofrece en Illinois, Texas, el EEE, el Reino Unido, Suiza ni la India.
¿Cuánto cuesta Gemini 3.8 Flash TTS?
| Plan | Precio | Qué incluye |
|---|---|---|
| Flash TTS | $0.50 per 1M text tokens in, $9 per 1M audio tokens out | Unos $0,81 por hora de audio; se duplica el 1 ene 2027 |
| Flash-Lite | $6 per 1M audio tokens out |
Flash TTS: $0,50 por 1M de tokens de texto de entrada, $9 por 1M de tokens de audio de salida (unos $0,81 por hora de audio) hasta el 31 dic 2026, y el doble desde el 1 ene 2027. Flash-Lite: $6 por 1M de tokens de audio de salida. Batch a mitad de precio; nivel gratuito en AI Studio.
¿Merece la pena Gemini 3.8 Flash TTS?
Gemini 3.8 Flash TTS se acerca a ElevenLabs por una fracción del coste, al menos hasta enero. Artificial Analysis lo sitúa quinto en su arena de voz con 1278 Elo por $16,50 por millón de caracteres; Eleven v4 Turbo lidera con 1335 por $40, y Eleven v4 es segundo a $80. Flash-Lite TTS es octavo con 1251 por $11.
La ventaja de precio es temporal. La página de precios de Google solo mantiene las tarifas actuales hasta el 31 de diciembre de 2026, y todas las líneas se duplican el 1 de enero, lo que deja Flash TTS cerca de $33 por millón de caracteres con el criterio de Artificial Analysis y reduce la diferencia con Eleven v4 Turbo a unos pocos dólares. Qwen-Audio-3.1-TTS-Plus de Alibaba ya está por encima, a $19,30.
El anuncio de lanzamiento de Google se apoya en los benchmarks de Hume AI, donde afirma que Flash TTS es primero en diseño de voz (71,4) y en calidad general. El propio informe de Hume confirma el liderazgo en diseño de voz y un primer puesto en su nueva puntuación combinada, pero también sitúa Flash TTS undécimo en replicación de voz, y revela que Hume tiene un acuerdo de licencia con Google. Las votaciones a ciegas de Artificial Analysis colocan cuatro modelos por delante.
Los límites técnicos aparecen en los diálogos. Una petición admite dos hablantes con voces predefinidas; las voces diseñadas o replicadas deben generarse turno a turno y unirse como audio sin procesar. Las voces personalizadas guardadas tienen un tope de 200 por proyecto y caducan un año después del último uso, así que un estudio de videojuegos con un reparto amplio necesita su propio registro de cada prompt de voz.
Dónde se gana su sitio
Un productor de audiolibros que narra 200 títulos al año de unas 10 horas cada uno
Narrar títulos del catálogo con una única voz diseñada y coherente
Diseña el narrador una vez, guárdalo y genera los capítulos con la Batch API: 2.000 horas cuestan unos $810 a tarifa batch ahora y unos $1.620 después de enero.
Un ingeniero de agentes de voz que trabaja sobre LiveKit o Pipecat
Salida de voz barata para un agente telefónico
Usa Flash-Lite TTS con streaming y pide audio/mulaw a 8 kHz para telefonía. La salida cuesta unos $0,54 por hora de voz ahora y $1,08 desde enero.
Una agencia de localización que dobla vídeos de formación a 30 idiomas
Doblar a gran volumen sin un actor de voz por idioma
Flash-Lite cubre más de 100 idiomas; a $0,54 la hora, 1.000 horas de audio doblado cuestan unos $540 antes de enero. La replicación de voz no se ofrece a usuarios del Reino Unido o del EEE en AI Studio, así que allí cuenta con voces de la biblioteca o diseñadas.
Antes de decidirte
- Puesta en marcha
- Una clave de API de AI Studio y google-genai 2.25.0+ (Python) o @google/genai 2.24.0+ (JavaScript); las llamadas sin streaming devuelven WAV mono a 24 kHz.
- Integraciones
- Gemini API con un endpoint Voices (/v1beta/voices) para diseño y replicación; Google cita Agora, LiveKit, Pipecat y Vercel como plataformas, y Google Vids y Gemini Notebook para usuarios finales.
- Datos y privacidad
- El texto y el audio del nivel gratuito pueden usarse para mejorar los productos de Google; los datos del nivel de pago no. Las apps que sirven al EEE, Reino Unido o Suiza deben usar servicios de pago. Todo el audio lleva la marca de agua SynthID.
- Coste a escala
- El audio se factura a 25 tokens por segundo: Flash TTS cuesta unos $0,81 por hora ahora y $1,62 desde enero, Flash-Lite $0,54 y $1,08. Batch y Flex reducen ambos a la mitad.
- Límites
- Dos hablantes por petición con voces predefinidas; 200 voces guardadas por proyecto, conservadas un año tras el último uso; las claves sin estado de voces replicadas caducan a los 7 días. Los límites de uso solo se muestran en AI Studio.
Lo bueno
- Quinto en la arena de voz de Artificial Analysis a $16,50 por millón de caracteres
- Diseño de voz a partir de una descripción en texto
- Replicación de voz con una comprobación de consentimiento hablada
- Flash-Lite a $11 por millón de caracteres para grandes volúmenes
- Batch reduce el precio a la mitad
Lo malo
- Todos los precios se duplican el 1 de enero de 2027
- Replicación no disponible en el EEE, Reino Unido, Suiza, India, Illinois y Texas
- Solo dos hablantes con voces predefinidas por petición
- Por detrás de Eleven v4, Qwen-Audio 3.1 y Sonic 3.6 en votaciones a ciegas
Ideal para
Desarrolladores que producen narración larga o doblaje multilingüe, quieren una calidad cercana a la mejor y pueden asumir la subida de precio de enero.
Alternativas a Gemini 3.8 Flash TTS
Gemini 3.8 Flash TTS: preguntas frecuentes
- ¿Merece la pena Gemini 3.8 Flash TTS?
- Quinto en votaciones a ciegas por menos de la mitad del precio de Eleven v4 Turbo, Gemini 3.8 Flash TTS es una ganga con fecha de caducidad: el 1 de enero. Le damos un 4.5 sobre 5.
- ¿Cuánto cuesta Gemini 3.8 Flash TTS?
- Flash TTS: $0,50 por 1M de tokens de texto de entrada, $9 por 1M de tokens de audio de salida (unos $0,81 por hora de audio) hasta el 31 dic 2026, y el doble desde el 1 ene 2027. Flash-Lite: $6 por 1M de tokens de audio de salida. Batch a mitad de precio; nivel gratuito en AI Studio.
- ¿Qué inconvenientes tiene Gemini 3.8 Flash TTS?
- Todos los precios se duplican el 1 de enero de 2027; replicación no disponible en el EEE, Reino Unido, Suiza, India, Illinois y Texas; solo dos hablantes con voces predefinidas por petición; por detrás de Eleven v4, Qwen-Audio 3.1 y Sonic 3.6 en votaciones a ciegas.
- ¿Para quién es Gemini 3.8 Flash TTS?
- Desarrolladores que producen narración larga o doblaje multilingüe, quieren una calidad cercana a la mejor y pueden asumir la subida de precio de enero.
- ¿Cuánto cuesta Gemini 3.8 Flash TTS para un equipo o en producción?
- El audio se factura a 25 tokens por segundo: Flash TTS cuesta unos $0,81 por hora ahora y $1,62 desde enero, Flash-Lite $0,54 y $1,08. Batch y Flex reducen ambos a la mitad.
- ¿Es Gemini 3.8 Flash TTS seguro para los datos de la empresa?
- El texto y el audio del nivel gratuito pueden usarse para mejorar los productos de Google; los datos del nivel de pago no. Las apps que sirven al EEE, Reino Unido o Suiza deben usar servicios de pago. Todo el audio lleva la marca de agua SynthID.
- ¿Cuáles son las mejores alternativas a Gemini 3.8 Flash TTS?
- Las alternativas más cercanas que hemos analizado son Eleven v4 and v4 Turbo y Cartesia Sonic 3.6.
Respuestas comprobadas el 26 oct 2026.