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。
「多模态」频道最新
- Midjourney 风格参考分享:--sref 2912175708 — tisch_eins · 2026-09-11
- Astra 分镜+Minimax H3 分镜逐帧生成，视频创作成功率大增 — Hailuo_AI · 2026-09-11
- Hailuo 转推：MiniMax H3 MAX 一发生成 15 秒美食动画短片 — Hailuo_AI · 2026-09-11
- MiniMax Music 制作工具包 2.5 发布,新增完整母带处理链 — Vivid_Promise1700 · 2026-09-11
- ComfyUI 新节点发现器上线:按 star 增速过滤最新热门节点 — Luke2642 · 2026-09-11
- 用 MiniMax H3 MAX 对一只蚊子放大招,蚊子毫发无伤 — Hailuo_AI · 2026-09-11