Tag

语音生成

当前标签下共有 2 篇内容。

谷歌发布 Gemini 3.8 语音生成模型：可定制角色声音、逐句导演双人对话

谷歌发布 Gemini 3.8 语音生成模型：可定制角色声音、逐句导演双人对话

谷歌推出 Gemini 3.8 Flash TTS 与 Flash Lite TTS 两款文本转语音模型，支持自然语言设计角色声音、逐句控制情绪和双人对话，并提供声音复现、长篇生成及批量配音能力。本文梳理两款模型的定位、开放渠道、使用限制与声音授权保护措施。

腾讯混元开源 AuK：一个把语音生成、编辑、增强和分离统一起来的 1.5B 基础模型

腾讯混元开源 AuK：一个把语音生成、编辑、增强和分离统一起来的 1.5B 基础模型

腾讯混元团队开源 AuK，一款 1.5B 参数语音生成与编辑基础模型。它用统一自然语言指令支持 TTS、内容编辑、情绪与音色修改、语音增强和分离，并提供 AuK Flash、Gradio、ComfyUI 与 Python API。