AI 资源库 · 已整理 2 项

文本到语音

查看与文本到语音相关的 AI 资讯、工具、Skill、工作流和开源项目。

工具与应用

OpenAI 定制语音需联系销售，谷歌推出自助式语音定制

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。

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
# API# Gemini# 文本到语音# 语音克隆
☆ 收藏查看来源 ↗
评论 · 分享第一个看法
模型进展

Gemini 3.8 文本转语音模型发布

谷歌发布了两个新的 Gemini 文本转语音模型：Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS。以前做配音只能用有限、固定的声音，现在你可以用一句话描述就凭空造出全新嗓音，或者用 30 秒录音复刻一个声音。Flash 版适合做角色设计和精细表演控制，Flash-Lite 版更便宜、适合大批量配音。所有生成音频都带 SynthID 隐形水印，复刻声音前必须获得本人语音同意。开发者今天就能在 Google AI Studio 的音频工作台里试用。

文中可用工具

  • Gemini 3.8 Flash TTS从零创建和定制声音，逐行指导表演，适合角色设计和高质量配音
  • Gemini 3.8 Flash-Lite TTS大批量、低成本地生成语音，适合配音和语音代理
  • Gemini Notebook产品中集成新语音模型以改善用户体验，原文未说明具体用法
  • Google Vids产品中集成新语音模型以改善用户体验，原文未说明具体用法
  • Google AI Studio提供音频工作台，开发者可试用语音生成和复刻功能
# 产品发布# 文本到语音# 语音克隆# Gemini 3.8 Flash TTS# SynthID
☆ 收藏查看来源 ↗
评论 · 分享第一个看法