Phil Schmid 实操教程：用 Gemini 3.8 TTS 复刻你自己的声音
_philschmid · x · 2026-09-24
Phil Schmid 发布教程，讲解如何用刚上线的 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 复刻自己的声音或凭一句话创造新声音。这两个模型已在 Gemini API 和 AI Studio 提供，登顶 Hume Voice Design Benchmark，并在 Voice Arena 六种语言中排名第一。
教程要点：
- 录制两段音频样本：同一麦克风、同一房间、24kHz 单声道，不要中途换设备
- Linux 下用 -f alsa -i default 录音；macOS 首次运行可能只弹出麦克风权限弹窗，授权后重跑即可
- 同意声明必须是 25 种支持版本之一，需逐字朗读（如德语版本）
- 文中给出完整可复用 prompt，可直接丢给自己的 agent 执行
「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
- 群核科技办 Aholo 全球 3D AI 黑客松，Scoble 担任评委 — Scobleizer · 2026-11-11