谷歌發布Gemini 3.1 Flash TTS，引入精細音頻標籤
谷歌推出了gemini 3.1 flash tts，這是一個通過音頻標籤提供精細控制的文本轉語音模型。它支持70多種語言，具有原生多說話人對話功能，並包含用於安全防護的synthid水印。該模型在artificial analysis tts基準測試中獲得了1,211分的elo評分，現可通過gemini api、vertex ai和google vids進行預覽。
谷歌發布了Gemini 3.1 Flash TTS，一種強調可控性和表達力的文本轉語音模型。該模型引入了「音頻標籤」，一種自然語言命令，允許開發人員指導單個或多個對話者的語調、節奏和表達方式。在Gemini API、Vertex AI和Google Vids上提供預覽的該系統支持超過70種語言，並採用SynthID水印技術來檢測AI生成內容。由Artificial Analysis進行的基準測試對該模型給予了高度評價，其Elo得分為1,211， 將其置於質量和成本的「最具吸引力象限」。