Achei bem interessante o que o Google anunciou essa semana sobre o novo Gemini 3.1 Flash TTS. Basicamente, eles conseguiram transformar a conversão de texto para Gemini em algo bem mais sofisticado do que a gente via antes.

O ponto forte aqui é que agora os desenvolvedores têm controle fino sobre como a IA fala. Não é só aquele robô monótono gerando áudio. Você consegue ajustar tom, velocidade, sotaque, até a expressão emocional da voz. E o mais legal? Tudo isso usando instruções em linguagem natural mesmo, através dos chamados "audio tags". Dá pra mudar o estilo de expressão no meio de uma frase se quiser.

O Google colocou isso disponível em vários lugares: Gemini API, AI Studio com uma interface tipo "cadeira do diretor" bem intuitiva, Vertex AI pra empresa e Google Vids pro pessoal do Workspace. Tem três níveis de controle lá que facilitam bastante o workflow.

O que me chamou atenção foi o ranking. Segundo a Artificial Analysis, esse modelo ficou em primeiro lugar entre os TTS com pontuação Elo de 1.211, entrou no "quadrante mais atraente". Suporta mais de 70 idiomas e conversas multivoz nativas, o que abre bastante possibilidade.

E tem um detalhe importante: todo áudio gerado vem com marca d'água SynthID integrada pra identificar que foi gerado por IA. Isso é bem relevante com todo esse debate sobre conteúdo autêntico.

Pra quem trabalha com criação de conteúdo, isso muda bastante o jogo. O texto para Gemini deixa de ser só uma ferramenta de conversão e vira mais um motor de performance vocal programável. Dá pra reutilizar estilos vocais consistentemente em toda uma linha de produtos, o que era complicado antes. Vale a pena ficar de olho nessa evolução.