@GoogleDeepMind: Gemini 3.1 Flash TTS 是我们迄今为止可控性最强的文本转语音模型。通过新的音频标签，您可以轻松控制声…

X AI KOLs 模型
text-to-speech gemini audio-generation controllable-ai google-deepmind

摘要

Google DeepMind 发布了 Gemini 3.1 Flash TTS，这是一个先进的文本转语音模型，配备新的音频标签，可通过文本命令实现对语音风格、语调和速度的细粒度控制。

Gemini 3.1 Flash TTS 是我们迄今为止可控性最强的文本转语音模型。通过新的音频标签，您可以轻松地通过文本命令控制语音风格、语调和速度。
查看原文
查看缓存全文

缓存时间: 2026/04/20 09:39

Gemini 3.1 Flash TTS 是我们迄今为止控制能力最强的文本转语音模型。通过新的音频标签，你可以轻松地通过文本命令控制语音风格、语调和节奏。

相似文章

Gemini 3.1 Flash TTS

Simon Willison's Blog

Google 发布了 Gemini 3.1 Flash TTS，这是一个新的文本转语音模型，可通过 Gemini API 访问，支持基于提示的高级控制，以实现详细的语音方向、口音和说话风格。该模型能够生成复杂的音频，包括多说话人对话和特定角色的语音表演。

Gemini 3.8 文本转语音模型发布

Google DeepMind Blog

Google 推出 Gemini 3.8 Flash TTS 与 Gemini 3.8 Flash-Lite TTS，这些新的文本转语音模型可让创作者和开发者生成富有表现力且可定制的音频。

Gemini 音频模型升级，打造更强大的语音体验

Google DeepMind Blog

Google 更新了 Gemini 2.5 Flash Native Audio，以提升实时语音智能体的能力，包括更精准的函数调用、更好的指令遵循能力，以及更流畅的对话上下文检索。此次更新还在 Google Translate 应用 beta 版中引入了实时语音翻译功能，可在 70 多种语言中保留语音语调。