Gemini 3.1 Flash TTS 长文本配音音色一致性难保持

Ok_Coat4453 · reddit · 2026-07-06

作者在研究将 Gemini 3.1 Flash TTS Preview 用于长篇有声书/故事演播时，发现最大的挑战是音色一致性。在相同文本、相同声音（Kore）、相同 API、相同参数下重复生成，虽然性别不变，但音色（音质、语调、说话风格、整体声音特征）会出现明显差异，拼接多段后尤为突出。他测试了不同分块大小、情感标签、自然语言表演指令等多种方式，均未显著改善，因此向社区求助长文本配音方案。