Gemini 3.8 TTS vs. Gemini 3.1 Flash TTS: Die eine Lücke in dieser Familie, die wirklich existiert

Ein Upgrade innerhalb einer Modellfamilie ist für gewöhnlich die einfache Entscheidung, doch diese hier hat eine Besonderheit, die sie weniger einfach macht, als sie aussieht. Gemini 3.1 Flash TTS — in der API des Anbieters weiterhin als Vorschau gelistet — belegt Platz 10 in der Artificial Analysis Provider Voice Arena mit einem Elo von 1.199 und einem 12-Punkte-Intervall. Gemini 3.8 Flash TTS, veröffentlicht am 23. September 2026, liegt auf Platz 2 mit einem Elo von 1.260 und einem 17-Punkte-Intervall. Das ist ein Zugewinn von 61 Punkten, und anders als bei den meisten Abständen auf dieser Rangliste übersteht er die Fehlerbalken: Die Spanne von 3.1 reicht von 1.187 bis 1.211, die von 3.8 von 1.243 bis 1.277, und dazwischen liegt eine tote Zone von zweiunddreißig Punkten. Das Qualitätsupgrade ist real. Die Preisgeschichte ist der Punkt, an dem es seltsam wird.

Googles eigene Preisliste besagt, dass der Tarif für die Audioausgabe von 20,00 $ pro Million Tokens bei 3.1 auf 9,00 $ bei 3.8 gefallen ist – eine Senkung um 55 Prozent. Artificial Analysis normalisiert dieselben zwei Modelle auf 18,30 $ bzw. 33,00 $ pro Million Zeichen, was das Gegenteil aussagt. Beide Zahlen sind veröffentlicht; keine ist falsch; sie messen unterschiedliche Dinge, und der Abgleich ist der nützlichste Teil dieses Vergleichs für alle, die eine Migration planen.

Was das Upgrade tatsächlich geändert hat

Die 3.8-Generation ist keine reine Neuabstimmung. Drei Oberflächen haben sich wesentlich verändert.

• Anzahl der Stimmen und Stimmerstellung — 3.1 Flash TTS wurde mit einem vorgefertigten Stimmenset ausgeliefert. 3.8 Flash TTS wird mit 30 vorgefertigten Studio-Stimmen ausgeliefert, darunter Kore und Puck, außerdem Voice Design aus einer natürlichsprachlichen Beschreibung und Voice Replication aus einer 30-sekündigen Probe mit Einwilligungsprüfung, einem SynthID-Wasserzeichen und C2PA-Credentials in der Ausgabe. Voice Remixing ist als „in Kürze verfügbar“ aufgeführt und nicht als ausgeliefert.

• Vortragssteuerung — zeilenweise Regie, Inszenierung von Zwei-Sprecher-Szenen innerhalb eines einzelnen Aufrufs und nonverbale Hinweise, die direkt ins Skript geschrieben werden, wie <laughs>, <sigh>, <gasp>, |mhm| und |yeah|. Googles Launch-Material behauptet speziell gegenüber 3.1 eine verbesserte Konsistenz bei langen Texten und eine Drehbuchsteuerung für zwei Sprecher. Das ist eine Anbieterbehauptung, hinter der kein öffentlicher Testlauf steht.

• Sprachabdeckung — 130 Sprachen bei Flash TTS und 101 bei Flash-Lite TTS, automatisch aus dem Text erkannt. Die veröffentlichte Abdeckung von 3.1 Flash TTS ist geringer.

Die strukturelle Veränderung ist die Aufteilung. Es gibt keinen einzelnen Nachfolger für 3.1 Flash TTS; es gibt zwei, und die Dokumentation von Google positioniert Flash-Lite TTS als den „Arbeitspferd-Ersatz“. Das ist wichtig, denn es bedeutet, dass eine Migration eine Entscheidung über die Stufe ist, nicht ein Versionssprung. Die günstigere Stufe ist nicht die neuere Version dessen, was Sie haben – sie ist ein anderer Punkt auf der Kurve.

Warum der Preis gefallen ist und die Bestenliste sagt, er sei gestiegen

Beginne mit dem, was Google veröffentlicht, denn genau das wird dir tatsächlich in Rechnung gestellt.

• Gemini 3.1 Flash TTS Preview — 1,00 $ pro Million Text-Tokens (Eingabe), 20,00 $ pro Million Audio-Tokens (Ausgabe). Batch: 0,50 $ und 10,00 $.

• Gemini 3.8 Flash TTS Standard — 0,50 $ und 9,00 $ bis zum 31. Dezember 2026, danach 1,00 $ und 18,00 $. Batch und Flex 0,25 $ und 4,50 $. Priority 0,90 $ und 16,20 $.

• Gemini 3.8 Flash-Lite TTS Standard — 0,50 $ und 6,00 $ bis zum 31. Dezember 2026, danach 1,00 $ und 12,00 $. Batch und Flex 0,25 $ und 3,00 $. Priority 0,90 $ und 10,80 $.

Allein auf der Position für Audioausgabe ist 3.8 Flash TTS zu 9,00 $ gegenüber 3.1 zu 20,00 $ eine Senkung um 55 Prozent, und 3.8 Flash-Lite TTS zu 6,00 $ ist eine Senkung um 70 Prozent. Selbst beim Preis nach der Aktion von 18,00 $ liegt Flash TTS immer noch unter dem Modell, das es ersetzt. Das ist die Zahl, die auf einer Rechnung landet, und sie ist eindeutig.

Jetzt die Rangliste. Artificial Analysis veröffentlicht eine Kennzahl pro Million Zeichen, damit Modelle, die in unterschiedlichen Einheiten abrechnen, Seite an Seite eingeordnet werden können, und für dieses Paar nennt sie 18,30 $ für 3.1 Flash TTS und 33,00 $ für 3.8 Flash TTS. Für sich allein gelesen heißt das, dass sich der Preis für das Upgrade fast verdoppelt hat.

Die Auflösung ist, dass ein Tarif pro Zeichen eine Umrechnung und kein Preis ist, und dass der Umrechnungsfaktor für die beiden Modelle nicht derselbe ist. Die Umrechnung von Audio-Tokens in Zeichen erfordert die Annahme sowohl einer Sprechgeschwindigkeit als auch eines Audio-Token-Verhältnisses – Google rechnet Audio mit 25 Tokens pro Sekunde Ausgabe ab – und sie erfordert die Wahl der Service-Stufe, gegen die normalisiert wird. Wenn das Board 3,8 mit dem 18,00-$-Tarif nach der Aktion normalisiert, während es 3,1 mit seinem eigenen 20,00-$-Tarif normalisiert, liegen die beiden so nah beieinander, dass jeder Unterschied bei den angenommenen Sekunden pro Zeichen das Ergebnis dominiert. Ein Preis pro Zeichen, der auf einer großzügigen Annahme zur Sprechgeschwindigkeit beruht, schmeichelt dem Modell, auf das er angewendet wird.

Die praktische Anweisung lautet daher: Verwenden Sie für die Budgetierung die Token-Preise von Google, und nutzen Sie die Zeichenpreise der Rangliste nur für das Verhältnis zwischen Modellen, die die Rangliste auf dieselbe Weise gemessen hat. Mischen Sie beides nicht, und führen Sie die Verschiebung von 18,30 $ auf 33,00 $ nicht als Preiserhöhung an — sie ist ein Artefakt einer Normalisierung, die die beiden Modelle nicht gemeinsam haben.

Die tatsächlichen Migrationskosten liegen woanders, nämlich im Aktionsfenster. Beide neuen Tarifstufen kosten bis zum 31. Dezember 2026 die Hälfte und verdoppeln sich am 1. Januar. Eine Migration, die auf Basis der September-Zahlen geplant und im November durchgeführt wird, wird im ersten Quartal neu bepreist. Der Tarif für Flash TTS ab Januar 2027, 18,00 $ pro Million Audio-Tokens, liegt weiterhin unter den 20,00 $ von 3.1 — die Senkung ist also auch nach der Promo real, nur viel kleiner, als es heute aussieht.

Der Qualitätsgewinn – und was nicht dahinter steckt

Das Arena-Elo ist die eine Zahl hier, die von jemand anderem als dem Anbieter erhoben wird, und sie ist diejenige, die außerhalb ihrer Fehlerbalken liegt. Einundsechzig Punkte von 1.199 bis 1.260, mit 3.430 Stichproben bei 3.1 und 1.999 bei 3.8, und 7 Arena-Stimmen gegen 8. Die Stichprobenzahl beim neueren Modell ist niedriger, was sein Intervall verbreitert, und dennoch berühren sich die Bereiche nicht.

Was nicht dahintersteckt: kein unabhängiger Benchmark außer der Arena. Googles Launch-Zahlen – auf Platz eins beim Hume AI Voice Design Benchmark mit 71,4, auf Platz eins bei der Akzentmodellierung mit 60,8, auf Platz eins und zwei beim Hume Overall Quality Index für Flash und Flash-Lite sowie Spitzenplatzierungen bei Blindpräferenz-Bewertungen, die für Japanisch, brasilianisches Portugiesisch, Vietnamesisch, Modernes Hocharabisch, mexikanisches Spanisch und Hindi beansprucht werden – sind Zitate des Anbieters aus einem Benchmark eines Dritten. Die zugrunde liegenden Durchläufe sind nicht öffentlich. Lies sie als Behauptungen, in dieselbe Richtung wie das Arena-Ergebnis weisend, aber ohne ihm unabhängiges Gewicht zu verleihen.

Die Deprecation-Frage und eine Migrations-Checkliste

Google hat kein Abschaltdatum für Gemini 3.1 Flash TTS Preview angekündigt. Es hat erklärt, dass Flash-Lite TTS als der Nachfolger positioniert ist, der die Hauptarbeit übernimmt – und das ist die Art von Formulierung, die einem Deprecation-Hinweis vorausgeht statt ihm nachzufolgen. Wenn Sie noch auf dem Preview-Modell sind, ist die richtige Interpretation, dass Sie eine Migration planen müssen und keine Frist einzuhalten haben – und dass es die falsche Strategie ist, auf die Frist zu warten, für ein Modell, dessen Nachfolger bereits 61 Elo-Punkte vorausliegt.

• Prüfen Sie, welche Stufe Ihr Workload benötigt. Flash TTS für 130 Sprachen und das vollständige Bereitstellungsspektrum; Flash-Lite TTS für 101 Sprachen zu 6,00 $ pro Million Audio-Token. Die Sprachliste ist die Trennlinie, nicht die Qualität.

• Neu kalkulieren auf Basis des Tarifs von Januar 2027, nicht des Aktionsangebots. 18,00 $ pro Million Audio-Tokens bei Flash TTS, 12,00 $ bei Flash-Lite.

• Entscheiden Sie, ob der Job batchfähig ist. Batch und Flex halbieren die Audio-Rate in beiden Tarifen – 4,50 $ und 3,00 $ pro Million Token. Alles, was nicht interaktiv ist, gehört nicht in den Standard-Tarif.

• Überprüfe alles erneut, was vom Voice-Set abhing. Der Standardkatalog besteht aus 30 vorgefertigten Stimmen; die Stimme, die du in 3.1 verwendet hast, muss möglicherweise neu erstellt werden – entweder über Voice Design oder über eine 30-sekündige Replikationsprobe.

• Anfrage-Shaping erneut prüfen. Für die 3.8-Modelle gibt es keine veröffentlichte Zeichenobergrenze pro Anfrage, und Audio wird pro Sekunde statt pro Zeichen abgerechnet, sodass eine lange Äußerung mehr kostet, als ein Preis pro Zeichen vermuten lässt.

• Planen Sie den Lebenszyklus benutzerdefinierter Stimmen. 200 zustandsbehaftete Stimmen pro Projekt mit einer Lebensdauer von einem Jahr oder zustandslose voicekey_...-Handles, die in sieben Tagen ablaufen.

Ich lasse beide laufen, während du entscheidest.

Ein familieninternes Upgrade mit auslaufender Aktion und einer Uneinigkeit bei der Normalisierung ist genau der Fall, in dem man nicht in einem Schritt umstellen sollte. OrcaRouter routet das ältere Modell heute — models/google/gemini-3.1-flash-tts-preview steht auf unserer Modellliste — sodass du das neue Modell daneben aufsetzen und mit deinem eigenen Traffic vergleichen kannst, bevor du den Produktionspfad umstellst. Wir hosten die Gemini 3.8 TTS-Endpunkte nicht; diese stammen aus Googles eigener API. Was wir bieten, ist ein einziger Schlüssel für 200+ Modelle zum Listenpreis des Anbieters ohne Aufschlag, sodass eine Tarifänderung des Anbieters noch am selben Tag auf deiner Rechnung ankommt statt erst bei der Verlängerung, und automatisches Failover, sodass ein brandneues Modell etwas ist, das du ausprobieren kannst, ohne einen kundenorientierten Pfad darauf zu setzen.

Worauf es zu achten gilt, ist, ob Google dem 3.1 Flash TTS preview ein Datum beifügt. Diese eine Zeile Dokumentation ist für einen Migrationsplan mehr wert als irgendeiner der Benchmarks in diesem Artikel, und sie ist noch nicht geschrieben worden.