Google AI 開發者關係負責人 Logan Kilpatrick 於 4 月 15 日宣布推出 Gemini 3.1 Flash TTS — Google 最新的文字轉語音模型。這款模型支援 70 種語言、場景導演（scene direction）、說話者級別的精細控制與音訊標籤，目前已在 Google AI Studio 的音訊 playground 和 Gemini API 中開放使用。
四大核心功能
Gemini 3.1 Flash TTS 相較於前代有四項顯著升級：
場景導演（Scene Direction）— 可以為語音設定情境，例如「在嘈雜的咖啡廳中低聲說話」或「興奮地宣布好消息」，模型會根據場景調整語調、語速和情緒
說話者級別控制（Speaker-Level Specificity）— 在多角色對話中，可以為每個角色設定不同的聲音特徵
音訊標籤（Audio Tags）— 支援在文本中插入音效指令，控制停頓、語氣變化等細節
70 種語言支援 — 大幅擴展多語言覆蓋，包含中文
更自然、更有表現力的聲音
Google 強調這款模型在語音自然度上的進步。傳統 TTS 模型的輸出常被批評為「聽起來像 AI」，Gemini 3.1 Flash TTS 試圖透過更豐富的韻律變化和情緒表達來縮小與人類語音的差距。Kilpatrick 指出，從 Gemini 2.5 到 3.1 的進步「非常顯著」。
開發者如何使用
開發者可透過兩種方式使用：
Google AI Studio 音訊 Playground — 直接在網頁介面中測試和預覽語音效果
Gemini API — 整合至應用程式中，用於語音助理、有聲書、Podcast 自動生成、多語言客服等場景
Gemini 產品線持續擴張
Flash TTS 是 Gemini 3.1 系列近期密集發布的一環。此前 Google 已推出 Gemini Robotics ER 1.6（機器人視覺推理）、Tab Tab Tab（Vibe Coding prompt 補全）和設計預覽等功能。Google 正在將 Gemini 從「聊天模型」擴展為涵蓋文字、語音、視覺、機器人的全模態 AI 平台。
這篇文章 Google 推出 Gemini 3.1 Flash TTS：支援 70 種語言與場景導演，AI 語音更自然 最早出現於 鏈新聞 ABMedia。
免責聲明：本頁面資訊可能來自第三方，不代表 Gate 的觀點或意見。頁面顯示的內容僅供參考，不構成任何財務、投資或法律建議。Gate 對資訊的準確性、完整性不作保證，對因使用本資訊而產生的任何損失不承擔責任。虛擬資產投資屬高風險行為，價格波動劇烈，您可能損失全部投資本金。請充分了解相關風險，並根據自身財務狀況和風險承受能力謹慎決策。具體內容詳見
聲明。
相關文章
Google 與 Boston Dynamics 將 Gemini AI 模型整合至 Spot 機器人：用於自然語言控制與任務執行
Google 和 Boston Dynamics 已將 Gemini Robotics 模型整合到 Spot 機器人中，使其能理解自然語言指令、辨識物件，並自主執行任務，進而提升機器人領域的效率與適應性。
GateNews13分鐘前
Nas Daily 創作者 Nuseir Yassin 為 AI 商業建構平台在 A 輪中募得 $27M 百萬美元
Nas.com 由 Nas Daily 的創辦人 Nuseir Yassin 創立，已在 Khosla Ventures 領投的 A 輪融資中募得 $27 百萬美元。這凸顯了一個趨勢：創作者正進軍科技領域，並運用他們的受眾來推動商業成長。
GateNews15分鐘前
在 Meta 合約結束後，Sama 將裁撤超過 1,100 名肯亞工人
Samasource Impact Sourcing Inc 將在 Meta 終止一份關鍵合約後，於奈洛比裁撤超過 1,100 名員工。儘管公司努力保住工作，但其依賴主要的美國科技客戶，凸顯出非洲 AI 外包產業的不穩定性。
GateNews15分鐘前
Anthropic 發布 Claude Opus 4.7：推理能力再進化，不再只是答題工具
Anthropic 發布的 Claude Opus 4.7 強化了推理能力與長文本處理，從作答工具轉型為決策助手，提升了上下文理解與安全性。此更新顯示產業競爭重點從模型性能轉向實用性，標誌生成式 AI 從實驗技術邁向成熟應用。
鏈新聞abmedia21分鐘前
CoreWeave 以 9.75% 票息收益率發行 $1 十億美元之高級票據；繼 1.75 十億美元首發債券後
CoreWeave 宣布將發行 $1 十億美元的無擔保優先票據，票面利率為 9.75%，其發行時點緊接著在發行 1.75 十億美元債券之後。所得資金將用於償還債務及公司一般用途，反映 CoreWeave 資本密集型的商業模式，以及對 GPU 託管租賃的強勁需求。
GateNews1小時前
阿里巴巴 Qwen Lab 發布具稀疏 MoE 架構的 Qwen3.6-35B-A3B 模型
阿里巴巴的 Qwen Lab 已推出 Qwen3.6-35B-A3B，這是一款開源的大型語言模型，採用稀疏混合專家（mixture-of-experts）架構，具備代理式程式設計能力，方便與第三方程式碼助理整合；模型參數規模為 35 billion。
GateNews1小時前
