2026年4月15日，谷歌推出Gemini 3.1 Flash TTS——其最新的文本轉(zhuǎn)語音模型。這款模型在可控性、表現(xiàn)力和音質(zhì)上均有顯著提升，能幫助開發(fā)者、企業(yè)與用戶打造下一代AI語音應(yīng)用。即日起，該模型已在Gemini API、Google AI Studio（開發(fā)者預(yù)覽版）、Vertex AI（企業(yè)預(yù)覽版），以及面向Workspace用戶的Google Vids平臺同步上線。

在Artificial Analysis TTS排行榜中，Gemini 3.1 Flash TTS以1211 Elo分的成績躋身“最具吸引力象限”。它支持多揚(yáng)聲器對話場景，覆蓋70余種語言，還能通過自然語言指令實現(xiàn)細(xì)粒度的創(chuàng)意控制。新加入的音頻標(biāo)簽功能，允許用戶嵌入自然語言命令來調(diào)整語音的風(fēng)格、節(jié)奏與表達(dá)效果。

開發(fā)者可在Google AI Studio中配置場景方向、揚(yáng)聲器特性，并無縫導(dǎo)出相關(guān)參數(shù)；早期測試者對模型的可控性和表現(xiàn)力給出了積極反饋。此外，所有生成的音頻都帶有SynthID水印，可有效檢測AI生成內(nèi)容，助力防范虛假信息傳播。