Google发布Gemini 3.8 Flash TTS与Flash-Lite TTS两款文本转语音模型,定位为迄今最具表现力的音频生成工具。Flash TTS面向游戏、有声书、播客等创意场景,支持逐行用自然语言指导表演细节,包括表演提示、节奏、口音转换与互动应答;Flash-Lite TTS则主打高并发、低成本的配音与语音代理场景。两款模型均通过Gemini API和AI Studio提供,仅限API调用,不开源权重。此次升级将语音系统从原先30种预设声音扩展至2000余种成品音色,并支持通过文本提示生成全新声音,覆盖100多种语言和方言,自定义声音可保存复用且跨项目漂移极小,语音混音功能即将推出。
📱 每天一份 AI 前沿日报
关注公众号,每天 09:00 推送 · 不错过任何重磅