雙子座3.1 Flash TTS

雙子座3.1 Flash TTS


2026 年 4 月 15 日 – 連結博客

雙子座3.1 Flash TTS。 Google 今天發布了 Gemini 3.1 Flash TTS,這是一種可以使用提示進行定向的新文字轉語音模型。

它透過標準 Gemini API 使用 gemini-3.1-flash-tts-preview 作為型號ID,但只能輸出音訊檔案。

至少可以說,提示指南令人驚訝。這是他們產生幾個簡短的音訊句子的範例提示:

# AUDIO PROFILE: Jaz R.
## "The Morning Hype"

## THE SCENE: The London Studio
It is 10:00 PM in a glass-walled studio overlooking the moonlit London skyline, but inside, it is blindingly bright. The red "ON AIR" tally light is blazing. Jaz is standing up, not sitting, bouncing on the balls of their heels to the rhythm of a thumping backing track. Their hands fly across the faders on a massive mixing desk. It is a chaotic, caffeine-fueled cockpit designed to wake up an entire nation.

### DIRECTOR'S NOTES
Style:
* The "Vocal Smile": You must hear the grin in the audio. The soft palate is always raised to keep the tone bright, sunny, and explicitly inviting.
* Dynamics: High projection without shouting. Punchy consonants and elongated vowels on excitement words (e.g., "Beauuutiful morning").

Pace: Speaks at an energetic pace, keeping up with the fast music.  Speaks with A "bouncing" cadence. High-speed delivery with fluid transitions — no dead air, no gaps.

Accent: Jaz is from Brixton, London

### SAMPLE CONTEXT
Jaz is the industry standard for Top 40 radio, high-octane event promos, or any script that requires a charismatic Estuary accent and 11/10 infectious energy.

#### TRANSCRIPT
(excitedly) Yes, massive vibes in the studio! You are locked in and it is absolutely popping off in London right now. If you're stuck on the tube, or just sat there pretending to work... stop it. Seriously, I see you.
(shouting) Turn this up! We've got the project roadmap landing in three, two... let's go!

這是我使用該範例提示得到的結果:

然後我將其修改為“Jaz 來自紐卡斯爾”和“…需要有魅力的紐卡斯爾口音”並得到以下結果:

這裡是德文郡埃克塞特:

我有 Gemini 3.1 Pro 氛圍代碼這個 UI 來嘗試:

截圖 "雙子座3.1 Flash TTS" 網路應用程式介面。頂部是一個 "API金鑰" 帶有屏蔽密碼的欄位。下面是一個 "語音合成模式" 下拉式選單設定為的部分 "多發言者(對話)"。 "演講者 1 姓名" 設定為 "喬" 和 "揚聲器 1 語音" 設定為 "帕克(樂觀)"。 "發言者 2 姓名" 設定為 "簡" 和 "揚聲器 2 語音" 設定為 "科雷(公司)"。在下面 "腳本/提示" 是一個提示閱讀 "提示:使用上面定義的精確演講者姓名將文字格式化為腳本。" 腳本文字區域包含 "TTS 以下喬和簡之間的對話:\n\n喬:今天怎麼樣,簡? \n簡:(打哈欠)還不錯,你呢?" 藍色 "產生音訊" 按鈕在下面。底部是一個 "成功!" 音訊播放器顯示 00:00 / 00:06 的訊息和 "下載WAV" 關聯。



Source link

Postagens Similares

  • क्लिपआर्ट.स्टूडियो – पत्रिका कोलाज निर्माता

    ✂किसी आकृति को ट्रेस करें, या उसे काटने के लिए उसके चारों ओर बिंदुओं पर टैप करें · ज़ूम करने के लिए पिंच करें ✂आपके कैनवास में जोड़ा गया! व्यवस्थित करने के लिए ✕ (ऊपर दाएं) टैप करें – या काटते रहें। ✂ यह नहीं खुलेगा इंटरनेट आर्काइव अभी हमें अपने पेज उपलब्ध नहीं करा…

  • 主題:愛彼迎

    2011年3月 昨天 Fred Wilson 發表了一篇關於錯過 Airbnb 的精彩貼文。創投一直懷念優秀的新創公司,但很少人要等到很久之後才公開談論它。所以這篇文章進一步證明了弗雷德是一種稀有鳥類。他可能是我認識的最好的創投家。 閱讀 Fred 的貼文讓我回頭查看當時與他交換的電子郵件,試圖說服他投資 Airbnb。讀起來很有趣。當弗雷德思考這筆交易時,你可以看到他正在思考。 Fred 和 Airbnb 創辦人慷慨地同意讓我發布此電子郵件往來(其中有一句話是關於對 Airbnb 具有策略重要性的事情,但不是對話的重要部分)。這是一個有趣的例子,說明了創業生態系統的一個要素,除了參與者之外很少有人見過:投資者試圖說服彼此投資他們的投資組合公司。現在有成百上千的這類對話正在發生,但即使有一篇曾經發表過,我也還沒看過。 Airbnb 本身當時甚至從未見過這些電子郵件。 我們在 YC 做了很多幕後工作,因為我們投資瞭如此多的公司,而且我們投資得太早,以至於投資者有時需要大量說服力才能看到​​他們的優點。但我並不總是這樣努力。弗雷德一定覺得我很煩。 from: Paul Graham to: Fred Wilson, AirBedAndBreakfast Founders date: Fri, Jan 23, 2009 at 11:42 AM subject: meet the airbedsOne of the startups from the batch that just started, AirbedAndBreakfast, is in NYC…

  • హత్యకు గురైన దక్షిణాఫ్రికా రైతులపై…

    దక్షిణాఫ్రికాలో ఎవరైనా నాకు చెప్పిన మొదటి విషయం ఏమిటంటే, ఐదు లేదా ఆరుగురు “అబ్బాయిలు” (నల్లజాతి దక్షిణాఫ్రికా వ్యక్తికి సభ్యోక్తి), చాలా మంది వ్యక్తులు దాచగలిగే ఆకుల కుప్ప, విరిగిన కారు మరియు రోడ్డుపై నడుస్తున్న శ్వేతజాతీయుల కుటుంబంతో కూడిన కథ. ఆశ్చర్యకరమైన ఆకస్మిక దాడిలో శ్వేతజాతీయుల రైతులను చంపే ప్రయత్నంతో కథ అభివృద్ధి చెందుతుంది, అయితే రైతు “అబ్బాయిల” కంటే తెలివిగా ఉండటంతో నల్లజాతి దక్షిణాఫ్రికన్‌లను పరిగెత్తాడు మరియు చంపాడు. ఇది శ్వేతజాతీయులు నల్లజాతీయులను చంపే…

Deixe um comentário

O seu endereço de email não será publicado. Campos obrigatórios marcados com *