Folia
← 返回头版

谷歌推出Gemini 3.8文本转语音模型

谷歌推出了两款新型文本转语音模型——Gemini 3.8 Flash TTS和Gemini 3.8 Flash-Lite TTS1。其中Flash版本侧重创意应用,Flash-Lite版本则优化了效率以支持大规模部署1。这些模型能够根据自然语言提示生成自定义语音,支持超过100种语言和方言,涵盖墨西哥西班牙语、魁北克法语和苏格兰英语等区域变种1,并提供2000多个生产就绪的语音库1。

新模型具备多项先进功能。用户仅需提供30秒的音频样本即可实现语音复制,但该功能要求获得语音所有者的口头同意录音验证1。所有音频输出都配备SynthID水印标记,以识别AI生成的语音并防止虚假信息传播1。在Hume AI Voice Design Benchmark测试中,Flash版本得分71.4分排名第一,Flash和Flash-Lite在整体质量指数中分别位居第一和第二1。

该功能已在Gemini API、Google AI Studio和Gemini Notebook中开始推出1,旨在为创作者、开发者和企业提供更丰富、更具表现力的音频体验1。谷歌的合作伙伴包括Figma、HeyGen、Linguana、Wondercraft、99.co和Ollang1。


评论