谷歌發佈 Gemini 3.8 Flash TTS：支持自然語言定製聲音與 30 秒聲音復刻

AI資訊AI新閒資訊正文谷歌發佈 Gemini 3.8 Flash TTS：支持自然語言定製聲音與 30 秒聲音復刻發布於AI新閒資訊時間 :Sep 24, 2026閱讀 :1分鐘語音合成技術正在迎來前所未有的精細化時代。當地時間9月23日，谷歌正式宣佈推出 Gemini3.8Flash TTS 和 Gemini3.8Flash-Lite TTS 兩款全新的文本轉語音模型，全面滿足開發者和創作者在個性化角色配音以及大規模音頻生成上的多元需求。在產品定位與核心功能上，兩款模型各有側重。其中，Gemini3.

8Flash TTS 主要面向聲音和角色設計，支持用戶通過直觀的自然語言描述來創建定製化聲音，並能夠逐句精準控制語氣、語速以及口音等核心要素。此外，該模型還支持基於短短30秒的音頻樣本進行高效的聲音復刻。而另一款 Gemini3.8Flash-Lite TTS 則專注於大規模音頻生成和高效配音場景。在生態與多語言支持方面，谷歌官方表示，這兩款全新模型全面支持超過100種語言和方言，並且開箱即用地產出了2000多種現成聲音，為全球範圍內的語音應用開發與內容創作提供了強有力的底層算力支撐。相關推薦能說會唱還會耍寶！

小米發佈 MiMo-V2-TTS 大模型：方言、情感信手拈來小米發佈自研語音合成大模型MiMo-V2-TTS，實現從機械復讀向情感共鳴的跨越。該模型基於音頻分詞器與多碼本聯合架構，經上億小時語音數據預訓練，具備演、說、唱等“全能聲優”能力，展現出多粒度語音生成潛力。Mar 19, 2026230.5k你的答案能聽了！秘塔AI搜索宣佈上線“聽講解” 功能​近日，秘塔AI搜索宣佈上線一項創新功能——“聽講解”，該功能旨在為用戶提供更加便捷、高效的信息獲取體驗。用戶在進行搜索後，只需簡單點擊“聽講解”按鈕，即可讓AI將搜索結果生動地講述出來，無需手動閱讀，極大提升了信息獲取的便利性。

Jun 25, 2025283.8k 谷歌新語音克隆技術：僅需幾秒鐘音頻樣本，即可實現聲音克隆在科技迅猛發展的今天，語音合成技術也在進步，尤其恢復失去聲音領域。最近，谷歌研究人員們提出了一種名為 “零樣本語音轉換（zero-shot voice transfer）” 的新技術項技術可以直接與最先進的文本語音（TTS）系統相結合，幫助那些因疾病事故失去聲音的人，找回他們的 “聲音記憶。這項技術的核心在於 “零樣本” 能力，意味著我們不需要大量樣本就能實現語音轉換。也就是說，僅需幾秒鐘的參考音頻，即可實現聲音克隆，且支持合成跨語言的音頻。

“零樣本” 克隆聲音能力研究團隊Sep 25, 2024354.1kOpenAI向ChatGPT移動端引入語音代理功能，全系層級支持跨平臺語音辦公OpenAI週三向移動端推出ChatGPT語音代理功能，用戶可用語音指令直接起草文檔、摘要郵件等複雜任務。此舉將桌面級AI生產力工具延伸至移動端，順應語音驅動高階任務的趨勢。Plus與Pro用戶可通過手機“工作”選項卡跨設備完成文檔創建與郵件處理。Sep 24, 2026104.

8kAnthropic 成立生命科學團隊：Claude 自主發現新型酶系統，命名為 ARTAnthropic宣佈成立生命科學研究團隊及自有分子生物學實驗室，並公佈首項成果：在科學家僅提供宏觀方向下，Claude自主發現一種此前未被表徵的酶系統——陣列關聯逆轉錄酶（ART）。該發現來自舊金山灣區實驗室，是團隊今春組建以來首個公開成果。Sep 24, 202685.2k智啟未來，您的人工智能解決方案智庫English簡體中文繁體中文にほんご© 2026