OpenAI 定制语音需联系销售，谷歌推出自助式语音定制
这件事讲了什么
谷歌今天通过 Gemini API 和 Google AI Studio 发布了 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS。以前开发者只能用现成的声音，现在可以自己描述想要的声音，或上传一段短录音来克隆声音，保存后就能在应用里重复使用。录音需要同一人的两段干净样本（10到30秒）和一段同意声明，处理后会得到一个语音ID，存在项目里一年。谷歌给生成的音频打上 SynthID 水印，并限制部分地区使用克隆功能。
可以使用的工具
文中可用工具
- Gemini 3.8 Flash TTS一个文字转语音模型，支持设计或克隆声音，适合复杂对话和长 narration
- Gemini 3.8 Flash-Lite TTS更便宜更快的文字转语音模型，用于批量生产和简单朗读
- Gemini API谷歌提供的接口，开发者用来调用语音生成和克隆功能
- Google AI Studio谷歌的实验平台，用来试用和开发语音功能
- Voices endpoint一个API端点，用来创建和管理克隆的声音
- SynthID给AI生成的音频添加水印，方便追溯来源
- C2PA content credentials在克隆声音的音频里加入来源凭证，可追踪出处
- Agora第三方框架，支持通过Gemini API使用语音生成
- LiveKit第三方框架，支持接入Gemini语音生成
- Pipecat第三方框架，支持接入Gemini语音生成
- Vercel's AI GatewayVercel的AI网关，支持通过Gemini API使用语音生成
讨论 0
登录后参与讨论，阅读资讯无需注册。
还没有评论，来分享第一个看法。