9月23日，Google正式发布两款Gemini文本转语音模型。开发者现可通过Gemini API生成自定义语音、实现直接对话交付，并在相关产品中复刻特定说话人声音。
核心功能与应用场景
新模型支持超过100种语言，广泛适用于有声书、游戏、播客及双人对白等场景。目前，访问权限已在Google AI Studio及API端同步开放，相关功能正逐步集成至旗下多款产品中。
安全合规与技术定位
在安全性方面，Google明确要求语音复制必须获得声音所有者的口头同意录音，且参考音频需与目标说话人匹配；同时，由Gemini Audio模型生成的音频均嵌入SynthID水印以标识来源。
此次发布进一步丰富了Google语音产品矩阵。尽管现有产品已应用Chirp 3 HD语音技术，但官方文档尚未明确阐述新Gemini模型与既有产品的具体差异化定位。