谷歌Gemini 3.1 Flash TTS模型：带来对AI语音前所未有的精细控制

谷歌旗下DeepMind人工智能部门近日正式推出了一款全新的文本转语音模型——Gemini 3.1 Flash TTS。

与以往机械生硬的同类产品不同，该模型允许用户通过文字指令来控制语音风格、表达方式以及语速节奏。谷歌在其官方博客中介绍，X平台上发布的演示视频清晰展示了Gemini 3.1 Flash TTS在语音控制方面的强大能力，用户可以灵活调整模型的语气和音调。可供选择的风格选项包括"热情洋溢"、"惊喜愉悦"以及"信息传递"等多种模式。

除此之外，该模型还支持多种主流语言的地区口音选择。仅英语一项便提供了丰富的方言版本，涵盖美式"加州谷"口音、"南方"口音，以及多种英式变体，如"布里克斯顿"口音和"标准英式"发音，此外还有"跨大西洋"口音等更多选择。

Gemini 3.1 Flash TTS还配备了导演级别的精细控制功能，允许用户对模型的说话风格和语速进行深度调整。与此同时，该模型还内置了多种格式模板，包括播客对话、有声书旁白、语言教学辅导、语音助手、健康养生指导、新闻播报以及客服支持等场景风格。谷歌表示，用户可以通过定义使用环境并提供具体的对话指令来"设置舞台"，并且支持将这些配置导出为API代码，方便开发者进行集成与二次开发。

Q&A

Q1：Gemini 3.1 Flash TTS和普通语音模型有什么区别？

A：Gemini 3.1 Flash TTS最大的不同在于它提供了极为精细的语音控制能力。用户可以通过文字指令直接调整语音的风格、表达方式和语速，还能选择"热情洋溢""惊喜愉悦"等具体情绪风格，而传统语音模型大多只能输出单一、机械的声音，灵活性远不及此。

Q2：Gemini 3.1 Flash TTS支持哪些语言和口音？

A：目前该模型支持多种主流语言的地区口音选择。以英语为例，可选口音非常丰富，包括美式"加州谷"口音、"南方"口音，以及英式"布里克斯顿"口音、"标准英式"发音，还有"跨大西洋"口音等多种变体，充分满足不同场景的语音需求。

Q3：Gemini 3.1 Flash TTS有哪些实际应用场景？

A：该模型内置了多种实用场景模板，包括播客对话、有声书旁白、语言教学辅导、语音助手、健康养生指导、新闻播报和客服支持等。用户可以直接套用模板，也可以自定义环境设置和对话指令，并将配置导出为API代码，适合开发者进行应用集成。