Gemini 3.1 Flash TTS 登陆 Google Vids，支持一键脚本转专业旁白

Gemini 3.1 Flash TTS 登陆 Google Vids，支持一键脚本转专业旁白

中文版

概述

Gemini 3.1 Flash TTS 是 Google 发布的下一代文本转语音模型，已集成到 Google Vids 中，为 AI 旁白功能带来了 30 种新的对话式语音选项。这些语音更好地捕捉了自然表达和真实感，标志着 AI 视频制作工具的重大升级。

核心特性

提示词可控的语音生成

Gemini 3.1 Flash TTS 使用自然语言提示和内联音频标签（audio tags）来调整语音风格和节奏，无需传统的 SSML 标记。支持超过 70 种语言的语音风格和节奏调整。

200+ 音频标签

通过自然语言提示而非 SSML 来控制语音输出，200+ 音频标签用于提示表达性语音。

SynthID 水印

所有生成的音频都带有 SynthID 水印，防止误用和虚假信息传播。

Google Vids 集成

在 Google Vids 中，Gemini 3.1 Flash TTS 支持：

• 30 种新对话式语音：比以往更自然的表达和真实感
• 16 种新语言：Vids 现已支持更多语言版本
• 一键脚本转旁白：上传脚本，AI 自动生成专业旁白

定价

输出成本：$0.03/minute

可用平台

• Google AI Studio
• Vertex AI
• Google Vids

评测反馈

根据 ChatForest 的评测，Gemini 3.1 Flash TTS 评分约 3.5/5。优势在于提示词可控性和多语言支持；局限在于目前仅支持 PCM 格式和无流式传输。预览状态，截至 2026 年 5 月。

使用方法

在 Google Vids 中

1. 打开 Google Vids 2. 上传脚本内容 3. 选择 Gemini 3.1 Flash TTS 作为旁白 4. 调整语音风格和节奏 5. 生成专业旁白

开发者 API

通过 Vertex AI 获取 API key，可直接集成到自有应用中。

English Version

Overview

Gemini 3.1 Flash TTS is Google's next-generation text-to-speech model, now integrated into Google Vids. It brings 30 new conversational voice options for AI voiceovers that better capture natural expression and realism — a significant upgrade for AI video production tools.

Key Features

Prompt-Steerable Speech Generation

Gemini 3.1 Flash TTS uses natural-language prompts and inline audio tags instead of SSML. Adjust vocal style and pacing in over 70 languages.

200+ Audio Tags

Control speech output via natural-language prompts rather than SSML markup.

SynthID Watermarking

All generated audio is watermarked with SynthID to prevent misinformation.

Google Vids Integration

In Google Vids, Gemini 3.1 Flash TTS enables:

• 30 new conversational voice options: More natural expression and realism than ever before
• 16 additional languages: Vids now supports more language editions
• One-click script-to-voiceover: Upload a script, AI generates professional narration

Pricing

Output cost: $0.03/minute

Available On

• Google AI Studio
• Vertex AI
• Google Vids

Review Summary

Per ChatForest's review: ~3.5/5. Strengths are prompt controllability and multilingual support; limitations are PCM-only output and no streaming. Preview status as of May 2026.