您尚未登录账户请先登录您的atyun账户，方可使用该功能
您的企业账号申请正在审核中审核通过后即可使用此功能，请耐心等待~
谷歌发布了迄今为止最具表现力的Gemini 3.1文本转语音模型，支持70+语言
2026年04月16日 由 alex 发表
1381
0
谷歌正在推出基于Gemini 3.1 Flash的新文本转语音模型。公司表示这是迄今为止发布的最自然、最具表现力的声音输出。最大的新功能是音频标签——简单的文本命令，让开发者可以控制生成语音的风格、节奏、语气和口音。该模型支持70多种语言，并能处理多说话者对话。
在人工分析排名榜上，该模型的Elo评分为1211，并以其质量与价格比脱颖而出。整体质量超过了Elevenlabs v3，仅次于Inworld 1.5 Max。
Gemini 3.1 Flash TTS有免费套餐，但谷歌利用这些数据改进其产品。付费层的文本输入每百万代币收费1.00美元，音频输出每百万代币收费20.00美元。批量模式将价格减半，分别为0.50美元和10美元。在付费层，谷歌不会利用这些数据进行产品改进。
Gemini 3.1 Flash TTS 可通过 Gemini API 预览，企业用户用 Vertex AI 和 Workspace 用户用 Google Vids 提供。任何人都可以在谷歌的AI Studio中免费尝试。所有生成的音频都带有谷歌的SynthID水印标记，以标记AI生成内容。
文章来源：https://the-decoder.com/google-ships-its-most-expressive-gemini-3-1-text-to-speech-model-yet-with-70-language-support/
欢迎关注ATYUN官方公众号
商务合作及内容投稿请联系邮箱:bd@atyun.com
广告
写评论取消
回复取消