跳到主要内容

Gemini 3.1 Flash TTS

Google 的配音旁白 TTS —— 30 个预置音色,支持单人或双人对话,行内音频标签控制演绎风格。单次最长 3 分钟,约 10 秒出片。

能力​

特性支持情况
文本转语音支持
音色30 个预置
说话人每次 1 或 2 人
风格控制行内音频标签
最长时长180 秒

音频标签​

在文稿任意位置插入方括号演绎提示:

[excited] 我们真的做到了! [whispers] 先别告诉任何人。
[shouting] 大家 —— 开饭了!

标签从插入点开始改变朗读方式:[excited]、[whispers]、[shouting]、[sighs]、[laughing] 等自然语言提示都有效。

双人对话​

为两个命名说话人各指定一个音色,写带说话人标注的剧本 —— 模型一次性渲染出节奏自然的连续对话。适合访谈式旁白、广告对话、动态分镜的临时配音。

提示词技巧​

  • 先用短句试音。 音色选择决定大局;先锁音色再渲染全稿。
  • 标点就是节奏。 逗号、破折号、省略号读作停顿;短段落制造自然换气。
  • 标签配合语境。 "[tired] 今天真是漫长的一天……" —— 标签定演绎,文字保持自然。

局限​

  • 仅预置音色 —— 不接受参考音频输入
  • 每次最多 2 个说话人
  • 单次生成上限 3 分钟

另请参阅​