Gemini TTS preview returns HTTP 200 with usageMetadata but no audio payload

Gemini API
,
1

I’m seeing an unclear issue with Gemini TTS preview.

In my Python code I’m using the GenAI SDK, but I reproduced the same behavior with curl for simplicity.

The request asks for responseModalities: ["AUDIO"], voiceName: "Kore", and Hebrew text:

curl -sS -X POST 'https://generativelanguage.googleapis.com/v1beta/models/gemini-3.1-flash-tts-preview:generateContent?key=REDACTED' \
  -H 'Content-Type: application/json; charset=utf-8' \
  --data-binary @- <<'JSON'
{"contents":[{"role":"user","parts":[{"text":"# AUDIO PROFILE: Nira\n## \"The Gentle Bedtime Storyteller\"\n\n## THE SCENE: A Quiet Bedroom at Night\nIt is bedtime in a calm, dim room. The listener is a child who is safe, comfortable, and slowly getting sleepy. The story should feel warm, protective, and peaceful.\n\n### DIRECTOR'S NOTES\nStyle: Soft, intimate, warm Hebrew bedtime storytelling. Gentle vocal smile, never theatrical.\nPace: Slow and calm bedtime pace, with natural pauses between sentences and paragraphs.\nAccent: Natural Israeli Hebrew.\n\n#### TRANSCRIPT\n\n[serenity]\nיואב והילד הקשיבו יחד לצרצרים וללילה השקט מסביב.\n\n[hope]\nאחרי כמה רגעים,\nשאל יואב:\n\"אתה זוכר משהו ליד הבית שלך?\nעץ, שער, אולי צבע של דלת?\"\n\nהילד חשב מעט,\nואז הרים את הראש.\n\n\"יש לנו שער ירוק,\"\nהוא אמר,\n\"ולידו עציץ גדול עם פרחים לבנים.\"\n\n[positive]\nיואב חייך אליו חיוך קטן.\n\"זה סימן מצוין,\"\nהוא אמר.\n\"נחפש שער ירוק ועציץ עם פרחים לבנים.\"\n\n[amusement]\nהילד חייך חיוך קטן ראשון ליד הפנס שעל האבן.\n\n[relaxation]\nיואב הושיט לו יד,\nוהילד אחז בה בזהירות.\n\nהם התחילו ללכת יחד בשביל,\nצעד אחר צעד,\nכשהפנס מאיר לפניהם אור קטן ורך.\n\n[serenity]\nהם עברו ליד גדר עץ נמוכה,\nליד תיבת דואר כחולה,\nוליד ספסל קטן מתחת לעץ חרוב.\n\nואז,\nבקצה הרחוב,\nראו שער ירוק.\n\nליד השער הירוק עמד עציץ גדול עם פרחים לבנים בדיוק כמו שהילד זכר.\n\n[relief]\n\"זה הבית שלי,\"\nאמר הילד בשמחה שקטה,\nכאילו הוא מפחד להעיר את הלילה.\n\nהאור בחלון הבית נדלק,\nוהדלת נפתחה לאט.\n\n[affection]\n\n[relief]\nאמא של הילד יצאה החוצה,\nראתה אותו,\nורצה אליו בצעדים מהירים ורכים.\n\nהיא כרעה לידו,\nעטפה אותו בזרועותיה,\nולחשה:\n\"כל כך דאגתי לך.\"\n\nאמו של הילד חיבקה אותו חזק ליד השער הירוק והעציץ עם הפרחים הלבנים.\n\n[neutral]\nיואב עמד בצד,\nהחזיק את הפנס הקטן,\nוחייך בשקט.\n\nהוא שמח שהילד חזר הביתה,\nאבל לא חיכה שיאמרו לו משהו מיוחד."}]}],"generationConfig":{"responseModalities":["AUDIO"],"speechConfig":{"voiceConfig":{"prebuiltVoiceConfig":{"voiceName":"Kore"}}}}}
JSON

The response is HTTP 200 and includes usageMetadata, but there is no audio payload:

{
  "candidates": [
    {
      "content": {},
      "finishReason": "OTHER",
      "index": 0
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 713,
    "candidatesTokenCount": 5516,
    "totalTokenCount": 6229
  },
  "modelVersion": "gemini-3.1-flash-tts-preview",
  "responseId": "7AUMau3-BoTensEPrN7G-QQ"
}

A retry of the same request produced the same issue:

{
  "finishReason": "OTHER",
  "promptTokenCount": 713,
  "candidatesTokenCount": 5609,
  "responseId": "GQoMarHXDJzknsEPgq3O6Qg"
}

The confusing part is that this is not an HTTP/API error, but the response has no inlineData.data audio payload even though audio tokens appear in usageMetadata.

Is finishReason: OTHER with empty content expected for Gemini TTS preview? If so, what usually causes it and how should it be handled?

Update:

I was able to reproduce this with the exact same request.

The same payload sometimes returns:

{
  "finishReason": "OTHER",
  "content": {},
  "usageMetadata": {
    "promptTokenCount": 713,
    "candidatesTokenCount": 5516
  }
}

and later the same request succeeds:

{
  "finishReason": "STOP",
  "usageMetadata": {
    "promptTokenCount": 713,
    "candidatesTokenCount": 4925
  }
}

So this does not look deterministic. The request is for Gemini TTS preview, responseModalities: ["AUDIO"], voiceName: "Kore", Hebrew text.

Is this expected behavior for the preview TTS model? Should clients treat finishReason: OTHER with empty content as a retryable no-audio failure, or does it indicate something wrong with the prompt/request?