Google DeepMind 推出 Gemini 3.1 Flash TTS：支持导演级语音控制与多语言自然对话
Google 人工智能部门 DeepMind 正式发布新一代文本转语音模型 Gemini 3.1 Flash TTS。与传统机器人模型不同，该模型允许用户通过文本指令精准引导语音的风格、呈现方式及语速。
精细化声音调节与多口音支持
Gemini 3.1 Flash TTS 提供高级调节选项，用户可调整音调、重音及多种情绪风格（如热情、积极惊喜、信息性等）。同时，模型支持多种主要语言的地区口音选择，满足差异化表达需求。
导演级场景定制与 API 集成
借助“导演级”控制功能，用户可通过描述场景和特定对话指令定制语音表现。系统内置播客对话、有声书旁白、语言教师、语音助手、健康顾问、新闻主播及客服代表等多种格式模板。相关设置还可导出为 API 代码，便于应用集成。
70+ 语言支持与 SynthID 水印
该模型旨在提供更自然的语音对话体验，支持包括日语、印地语、德语在内的 70 多种语言。所有输出内容均嵌入 SynthID 水印，确保 AI 生成内容的可识别性。
性能领先与多渠道访问
在 AI 语音合成（TTS）排行榜中，Gemini 3.1 Flash TTS 以 1211 分位列总榜第二，超越众多主流模型。目前，开发者可通过 Gemini API 和 Google AI Studio 调用；企业用户可使用 Vertex AI 平台；普通用户则可通过 Google Vids 直接体验。