跳到正文
Google DeepMind·· 2026-04-16精選AI 評分68

Google DeepMind 發佈 Gemini 3.1 Flash TTS,加入音訊標籤細調語音表現

Gemini 3.1 Flash TTS: the next generation of expressive AI speech

AI 導讀

Google DeepMind 發佈 Gemini 3.1 Flash TTS,提升文字轉語音的可控性、表現力與品質,並加入音訊標籤細調語音表現。模型支援 70+ 種語言及原生多説話者對話,在 Artificial Analysis TTS leaderboard 的 Elo 分數為 1,211。

推薦理由

文章聚焦音訊標籤如何細調語氣、節奏與表達,並列出 Gemini 3.1 Flash TTS 面向開發者、企業及 Workspace 用户的推出渠道。

正文 · 繁體中文

2026 年 4 月 15 日

|

我們最新的音訊模型引入了細緻的音訊標籤,讓你能精確指揮 AI 語音,生成更富表現力的音訊。


Vilobh Meshram

產品高級經理

Max Gubin

Gemini 團隊首席研究工程師(代表 Gemini 團隊)


Gemini logo next to the text "3.1 Flash TTS", all over colored dots

聆聽文章

[[duration]] 分鐘

此內容由 Google AI 生成。生成式 AI 仍屬實驗性技術

今天,我們推出 Gemini 3.1 Flash TTS,這是最新的文字轉語音模型,在可控性、表達力和品質方面均有所提升,讓開發者、企業和一般用戶能夠打造新一代 AI 語音應用程式。

由今天起,3.1 Flash TTS 將陸續推出:

提升語音品質與可控性

我們提升了 Gemini 3.1 Flash TTS 的整體語音品質,令它成為至今最自然、最富表現力的模型。在 Artificial Analysis TTS 排行榜上,這項基準測試匯集了數以千計的盲測人類偏好評分,而 3.1 Flash TTS 的 Elo 分數高達 1,211。

a gif showing artificial analysis text to speech arena quality elo

Artificial Analysis 亦把 Gemini 3.1 Flash TTS 列入其「最具吸引力的象限」,原因是它兼具高品質語音生成與低成本。這款模型還具備原生多説話者對話功能、支援 70 多種語言,並可透過自然語言進行細緻的創作控制。

新增音訊標籤,讓語音生成更富表現力

3.1 Flash TTS 亦引入音訊標籤,讓你直觀地控制聲線風格、語速和表達方式。只要直接在文字輸入中加入自然語言指令,就能更細緻地引導 AI 語音輸出。

3.1 Flash TTS 讓企業能在 Vertex AI 使用音訊標籤,為新一代企業應用程式提供動力。

3.1 Flash TTS 讓你使用音訊標籤,嘗試不同的語音表現力、節奏和演繹方式。

3.1 Flash TTS 讓你整合富表現力的語音功能,把普通的天氣應用程式變成引人入勝的體驗。

3.1 Flash TTS 支援多種音訊標籤,讓同義詞尋寶應用程式的語音演繹更細膩、更吸引。

你可以在 Google AI Studio 試用這些音訊標籤,以及其他開發者體驗更新。當中的可設定控制項讓開發者坐上「導演席」:

  • 場景指示:透過設定環境和提供具體對白指示來構建場景。這些世界觀背景有助角色維持「角色設定」,並在多輪對話中自然地互相回應。
  • 説話者層級的細節設定:使用獨特的 Audio Profiles 為角色選角,再透過 Director’s Notes 設定語速、語氣和口音。使用內嵌標籤,説話者便可在句子中途改變表達方式,靈活切換這些高層設定。
  • 無縫匯出:表現效果調整妥當後,可將這些確切參數匯出為 Gemini API 程式碼,確保不同專案和平台上的聲線一致、易於辨認。

透過這些新設定,開發者可以針對特定情境提升精確度,創造令人難忘的角色和沉浸式音訊體驗。

為全球規模而打造

Gemini 3.1 Flash TTS 能在 70 多種語言中提供高保真語音和更精準的控制。這些核心最佳化為主要市場帶來進階的風格、節奏和口音控制,協助開發者為全球用戶打造本地化且富表現力的語音體驗。

早期開發者和企業測試者已親身體驗 3.1 Flash TTS 的效果,並指出它的可控性和表現力令人印象深刻。他們表示,音訊標籤帶來了全新的創作精準度,能把簡單文字轉化成高保真的語音演繹。

Quote from Jay of StyleUAI

Quote from CTO of AIM Intelligence

Quote from Idan Yonas of Artlist

Quote from Lydia Xu of Sierra

Quote from Shivam Rastogi of Invideo AI

Quote from Fernanda Bejarano of biia

Quote from John Wu of HeyGen

Quote from Soami Kapadia of You learn.AI

Quote from Angel Wen of Sylph.ai

Quote from Artugrul Cavusoglu of Mindlid

加入 SynthID 浮水印

Gemini 3.1 Flash TTS 生成的所有音訊都會加上 SynthID 浮水印。這種難以察覺的浮水印會直接融入音訊輸出,讓 AI 生成內容能被可靠地識別,協助防止錯誤資訊。如欲瞭解我們在安全與責任方面的做法,請參閲模型説明文件。

在收件箱接收 Google 最新消息

訂閲電子通訊,接收產品更新、活動資訊、特別優惠等內容。

你的資料將按照 Google 私隱政策使用。你可隨時取消訂閲。

來源:Google DeepMind · deepmind.google