# Google DeepMind 发布 Gemini 3.1 Flash TTS 语音模型

> 原标题：Gemini 3.1 Flash TTS: the next generation of expressive AI speech

- 来源：Google DeepMind
- 发布时间：2026-04-15T16:03:19.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/zbhfd7bca98fc4pjzh9xc7njx
- 原文：https://deepmind.google/blog/gemini-3-1-flash-tts-the-next-generation-of-expressive-ai-speech/

## 摘要

Google DeepMind 发布 Gemini 3.1 Flash TTS，一款主打可控性与表现力的文本转语音模型，已在 Gemini API、Google AI Studio、Vertex AI 和 Google Vids 中开放预览。

## 推荐理由

Gemini 3.1 Flash TTS 在 Gemini API、AI Studio、Vertex AI 和 Google Vids 开放预览，支持 70 多种语言，并可通过音频标签控制语音风格与节奏。

## 锐评

1211 的 Elo 是盲测人类偏好跑出来的，这个分数我认，audio tags 这套东西更让我在意。把「小声一点、语速放慢」直接写进文本当指令，prompt 那套控制权就搬到语音上了，以前调 TTS 得靠参数和重录，现在改几个词。多说话人对话加 70 多门语言，播客和有声书这类场景基本能换工具。SynthID 水印是标配，不意外。预览阶段，API 价格出来再算账。
