谷歌推出 Gemini 3.8 Flash 语音合成模型
ainews ·
Google推出了两款新的文本转语音模型:Gemini 3.8 Flash TTS和Gemini 3.8 Flash-Lite TTS,专为大规模音频制作和交互式脚本设计。标准版Flash模型面向游戏开发等创意产业及长篇旁白,而Lite版本则专注于自动配音和客户服务热线代理。这些系统取代了传统的语音目录,提供超过100种语言(包括特定地区方言)的2,000多种声音档案。独立基准测试机构Hume AI将主模型评为整体质量和口音建模方面的最佳表现者。其关键特性包括在长时间段内保持稳定的音频质量,以及能够在脚本中直接插入笑声或叹息等非语言提示音。为确保安全,Google要求对任何自定义语音克隆活动进行身份验证并获得明确同意。所有生成的音频均包含不可见的SynthID水印和C2PA元数据,以验证来源。目前已在Figma、HeyGen和Linguana等平台看到早期的商业集成应用。
ainews