- Google 推出 Gemini 3.8 Flash TTS 和 Flash-Lite TTS 音頻生成模型。
- 新模型可創建更具表現力的音頻體驗，改善用戶體驗。
- Gemini 3.8 Flash TTS 允許用戶從零開始創建自定義聲音。
- 這些模型支持超過 100 種語言，並在多語言音頻體驗中表現出色。
Google 官方宣布推出 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS，這是其最具表現力的音頻生成模型。用戶可以通過 Google AI Studio、Gemini API、Gemini Enterprise、Gemini Notebook 和 Google Vids 創建自定義角色聲音和直接場景對話。
這兩個新模型使創作者、開發者和企業能夠創建更豐富、更具表現力的音頻體驗，並改善 Gemini Notebook 和 Google Vids 等產品的用戶體驗。
「今天，我們推出了兩個新的語音合成模型，將語音生成從靜態預設轉變為動態創意工作室。」
創建自定義聲音的能力
Gemini 3.8 Flash TTS 模型允許用戶從零開始創建自定義聲音，並通過自然語言提示來控制角色的表現。用戶可以逐行指導音頻的節奏、情感，甚至是現實對話的聲音。
「用戶可以從 30 種原創聲音擴展到無限的聲音庫，無論是需要全新角色聲音或一致的品牌代言人，Gemini 3.8 Flash TTS 模型都能提供支持。」
音頻生成的安全措施
為了確保生成的音頻安全，Google 在這些模型中加入了內建的安全工具，如水印技術。這些措施能夠幫助防止不當使用，並確保用戶能夠負責任地使用這些聲音。
「我們的系統利用同意驗證，確保在創建聲音之前，使用者必須提供與參考講者匹配的聲音擁有者的口頭同意錄音。」
Gemini 3.8 Flash TTS 和 Flash-Lite TTS 支持超過 100 種語言，並在多語言音頻體驗的構建上具有強大的能力。這些模型在 Hume AI 的聲音設計基準中獲得了第一名，並在多個全球語言的盲測評估中表現出色。
「這些模型使創作者、開發者和企業能夠構建高品質的多語言聲音體驗。」
資料來源：Google 官方公告
新模型如何提升音頻創作的靈活性
Gemini 3.8 的推出標誌著語音合成技術的一次重大進步，特別是在創作靈活性方面。用戶不僅能夠創建自定義聲音，還可以透過自然語言提示來控制角色的情感和表現，這對於開發者和創作者來說是極具吸引力的功能。此外，內建的安全工具如水印技術，能有效防止不當使用，確保聲音生成的負責任性。這些進步不僅提升了用戶體驗，更為多語言音頻創作提供了強大支持，符合當前全球化的需求。