Gemini 3.1 Flash TTS：用自然语言精准控制语音风格
来源： X/Twitter · @GoogleAI
原文链接： https://x.com/GoogleAI/status/2044447560384102592
English
Today we launched Gemini 3.1 Flash TTS, our most expressive and controllable text-to-speech model yet.
This launch includes audio tags! Audio tags 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? 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.
中文
今天我们发布了 Gemini 3.1 Flash TTS——我们迄今为止最具表现力、最可控的文本转语音模型。
本次发布包含音频标签功能！音频标签是一种将自然语言命令直接嵌入文本中的方式，可以精准引导语音风格、节奏和表达方式。想要不同的语速或语调？只需在文本中打上标签，就能控制 AI 语音的输出效果！
该模型支持超过 70 种语言（其中 24 种经过高质量评估，包括日语、印地语和阿拉伯语）。点击下方演示查看音频标签的实际效果。
*本文由 AI Field Notes 自动抓取翻译，原始内容归原作者所有。*