谷歌推出Gemini 3.8 Flash TTS模型：支持通过文本描述生成全新AI声音
谷歌发布了两款全新文本转语音模型：Gemini 3.8 Flash TTS 与 Flash-Lite TTS，支持超过100种语言。其中 Flash TTS 能够根据文本提示词直接从零设计全新声音，两款模型均允许用户为特定台词添加舞台动作指示，并支持通过单一脚本生成逼真的双人对话。此外，模型还配备了声音克隆功能，仅需30秒的音频样本即可快速建立声音特征档案。
推荐理由谷歌新模型实现了通过文本提示词自定义音色及脚本化双人对话控制，显著提升了语音合成的可控性与创作自由度。
原标题：Google's new Flash TTS models let you design AI voices from scratch using text descriptions
阅读 The Decoder 原文 ↗