Gemini 3.1 Flash TTS是最新推出的文本转语音模型，提供了更高的可控性、表现力和语音质量，助力开发者、企业和普通用户构建下一代AI语音应用。
主要功能
-
改进的语音质量和可控性：Gemini 3.1 Flash TTS是迄今为止最自然、最具表现力的模型，在人工分析TTS排行榜上获得了1211的Elo分数，证明其高质量语音生成与低成本的理想结合。
-
新音频标签：该模型引入了音频标签，可以通过自然语言命令控制声调、节奏和表达。开发者可以在Google AI Studio中进行实验，使用配置控件如场景指令和说话者级别的具体性。
开发者体验
- 场景方向：定义环境并提供具体对话指令，帮助角色在多轮对话中自然反应。
- 说话者级别的具体性：利用独特的音频档案和导演笔记，调整节奏、语调和口音。
- 无缝导出：将调整后的参数以Gemini API代码导出，确保在不同项目和平台上的一致性。
全球化应用
Gemini 3.1 Flash TTS支持70多种语言，提供高保真语音和更精确的控制，帮助开发者为全球用户创建本地化、富表现力的语音体验。所有生成的音频均带有SynthID水印，确保AI生成内容的可靠检测，防止错误信息的传播。
博主点评： Gemini 3.1 Flash TTS的发布标志着AI语音生成技术的又一次重大飞跃。通过音频标签和多语言支持，开发者不仅能提升语音的自然性，还能实现丰富的个性化表达，极大地拓宽了应用场景的广度与深度。其水印技术的引入也为内容的真实性提供了保障，值得关注。