谷歌Gemini发布TTS新模型：支持音频标记控制语气，语音自然度大幅提升

谷歌近日悄然更新了 Gemini 系列的文本转语音（TTS）模型，推出了代号为 `gemini-3.1-flash-tts-preview` 的预览版本。该模型显著提升了语音生成的自然度与生动感，使其听感更接近真人。最关键的技术突破在于，新模型支持使用内嵌音频标记来精细控制语音语气。这意味着开发者可以针对复杂的预设场景，通过代码指令直接调整 AI 的情绪表达，极大地拓展了生成式 AI 在高拟真人机交互、有声读物及游戏配音等领域的应用潜力。