Google DeepMind：Gemini 3.1 Flash TTS用自然语言控制语音风格
原文链接: https://x.com/GoogleAI/status/2044447560384102592
发布时间: 2026-04-16
作者: @GoogleAI（Google DeepMind）
原文 / Original:
Today we launched Gemini 3.1 Flash TTS, our most expressive and controllable text-to-speech model yet.
This launch [excitement] includes audio tags! 🗣🏷 Audio tags [explanatory] are a seamless way to guide vocal style, pace, and delivery using natural language commands embedded directly in your text. Want a different tempo or tone? [amazement] Just tag the audio to steer the AI-speech output! The model supports 70+ languages (24 of which are high-quality evaluated languages, including: Japanese, Hindi, and Arabic). Watch the audio tags in action in the demo below ↓
译文 / Translation:
今天我们发布了Gemini 3.1 Flash TTS，我们迄今为止最具表现力和最可控的文本转语音模型。
本次发布包含音频标签！🗣🏷 音频标签是一种无缝的方式，可以用直接嵌入文本的自然语言命令来引导语音风格、节奏和表达方式。想要不同的速度或语调？只需给音频打上标签，就能控制AI语音输出的走向！该模型支持70多种语言（其中24种为高质量评估语言，包括：日语、印地语和阿拉伯语）。在下方演示中观看音频标签的实际效果 ↓
来源: Google AI (@GoogleAI)
链接: https://x.com/GoogleAI/status/2044447560384102592