上海
品玩4月16日訊，據(jù) SiliconAngel 報(bào)道， Google DeepMind正式推出新一代文本轉(zhuǎn)語(yǔ)音（TTS）模型——Gemini 3.1 Flash TTS。該模型旨在突破傳統(tǒng)語(yǔ)音合成的機(jī)械感，通過(guò)基于文本的指令，實(shí)現(xiàn)對(duì)語(yǔ)調(diào)、情感及語(yǔ)速的精細(xì)控制，提供“熱情”、“驚喜”及“信息播報(bào)”等多樣化風(fēng)格。
該技術(shù)的一大亮點(diǎn)在于其“導(dǎo)演級(jí)”控制能力，支持美式、英式等多種區(qū)域口音，并提供播客、有聲書、新聞主播等預(yù)設(shè)格式模板。用戶可定義環(huán)境背景及對(duì)話指令，確保角色在多輪交互中保持一致性，且相關(guān)參數(shù)可導(dǎo)出為API代碼，保障跨項(xiàng)目語(yǔ)音的一致性。
Gemini 3.1 Flash TTS支持超過(guò)70種語(yǔ)言，并在人工分析TTS排行榜中憑借1211分的高分位列第二，超越了眾多同類競(jìng)品。所有生成內(nèi)容均搭載SynthID水印，便于識(shí)別。目前，開發(fā)者已可通過(guò)Gemini API及Google AI Studio接入該模型，企業(yè)用戶則可經(jīng)由Vertex AI平臺(tái)使用，普通用戶亦可在Google Vids中體驗(yàn)其功能。
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺(tái)“網(wǎng)易號(hào)”用戶上傳并發(fā)布，本平臺(tái)僅提供信息存儲(chǔ)服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
