@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…
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。
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
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 3.1 Flash Live：让音频 AI 更自然、更可靠
Google 发布了 Gemini 3.1 Flash Live，这是一款全新的高质量音频模型，专为更自然、更可靠的实时语音交互而设计，具备更低的延迟和更强的推理能力。
Gemini 音频模型升级，打造更强大的语音体验
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。
推出 Gemini 2.0：我们为智能体时代打造的新型 AI 模型
Google DeepMind 推出 Gemini 2.0，这是一款新型智能体 AI 模型，具备原生图像和音频输出、增强的工具使用能力和多模态功能，专为下一代 AI 智能体设计。Gemini 2.0 Flash 现已向开发者推出，计划于 2025 年初实现更广泛的可用性。
Gemini 2.5：我们最聪慧的模型进一步升级
谷歌发布 Gemini 2.5 系列更新，包括性能改进的 2.5 Pro 和 Flash 模型，新增功能包括 Deep Think（增强型推理模式）、原生音频输出和通过 Project Mariner 实现的计算机使用能力。这些模型现已在 WebDev Arena 和 LMArena 排行榜中领先。