DeepMind 发布 Gemini 3.8 TTS,原生支持多人对话与插话笑场
kastnerkyle · x · 2026-09-24
Google DeepMind 发布两款新文本转语音模型:
- Gemini 3.8 Flash TTS:可设计带独特口音与性格的声音
- Gemini 3.8 Flash-Lite TTS:面向效率与规模化场景,支持自建风格或官方生产级声音库
团队成员 MosesOh4 介绍,核心突破是原生多说话人能力:模型能自然地一起笑、插话(backchannel)与语音重叠,这在传统 TTS 上极难实现。该能力将从 TTS、NotebookLM 式双人对话走向实时语音助手。作者今年 1 月加入 DeepMind 后即参与此项目,预告后续还有更多音频生成模型。
所属事件:Google 发布 Gemini 3.8 Flash TTS 两款语音模型(5 条相关)→
「多模态」频道最新
- UniPath 被 NeurIPS 2026 接收：单模型自适应协调理解与生成 — jindong_wang92 · 2026-11-11
- 用 Opus 5.5 做 RPG：扮演博士生对抗审稿人 — s_scardapane · 2026-11-11
- 开源 Node 把 ComfyUI 工作流变一键模型，内置 19 个工作流 — jefoce · 2026-11-11
- RTX 3050 6GB 本地跑 MiniMax H3，拼出 60 秒 AI 视频 — No_Cow26 · 2026-11-11
- 把两年前的噩梦做成 72 秒短片，100 秒视频只花 $3.8 — Alternative-Pay-447 · 2026-11-11
- 用 Claude Code 拆成多智能体，一天内做出卡通短片 — prasettiuul · 2026-11-11