谷歌新推出的Flash TTS模型允许通过文本描述从头设计AI语音
decoder ·
谷歌发布了两款新的文本转语音模型:Gemini 3.8 Flash TTS 和 Flash-Lite TTS,支持超过100种语言。标准版 Flash TTS 允许用户通过文本描述从头设计独特声音,或在获得同意后利用30秒样本克隆声音,主要面向播客和游戏等创意应用,具备舞台指示和双角色对话功能。相比之下,Flash-Lite TTS 专注于为配音和语音助手提供高性价比的大规模语音生成方案。两款模型均包含用于检测的 SynthID 水印,并支持笑声、叹息等非言语声音。谷歌正通过 Gemini API 和 Google AI Studio 推出这些工具,企业级访问权限即将开放。定价因模型和使用时段而异,且2027年将上调价格。
decoder