今天，我們宣布對 Gemini 2.5 Flash 和 Gemini 2.5 Pro 的語音合成（TTS）預覽模型進行重大升級。
主要改進包括：
- 更強的表情表現：更豐富的語氣變化，並更嚴格遵循風格提示。
- 精準的節奏控制：更智慧的上下文語速調整，以及更好的指令遵循能力。
- 流暢的對話體驗：在多說話人場景中保持一致的語音特徵。
這些模型將取代我們在五月發布的 TTS 模型。你現在可以在 Google AI Studio 中快速體驗這些功能，並在 Playground 探索模型能力。
全新的 TTS Flash 與 Pro 模型
許多開發者依賴語音合成來生成高品質的內容，這些內容需要對風格、語氣、語速和口音進行細緻控制——從長篇有聲書到在地化的學習模組。像是產品教學、行銷影片或創作者內容等應用場景，也經常需要多個語音互動和可靠的專業術語發音。
為了解決這些需求，我們推出了 Gemini 2.5 Flash TTS 預覽版（專為低延遲最佳化）和 Gemini 2.5 Pro TTS 預覽版（專為品質最佳化）的更新。
更強的風格與語氣多樣性
無論你是在打造角色扮演遊戲的角色、一個實用的虛擬助手，還是富有戲劇性的旁白，聲音都需要符合角色設定。我們的 Gemini TTS 模型現在表現力更強，並且能更緊密地遵循風格提示中的具體指示，大幅提升角色一致性。你可以指定特定的語氣——從「開朗樂觀」到「陰沉嚴肅」——模型都能呈現出符合該指示的真實表現。
在我們的 Synergy Intro 示範應用 中，探索 Gemini 2.5 TTS 模型的風格多樣性。
情境感知的節奏控制
要創造自然的說話模式，節奏是關鍵元素：笑話需要時機，複雜的解釋需要留白，動作場景則需要速度。我們改進了模型根據訊息情境調整節奏的能力，使其能夠自然地放慢以強調重點，或加快以表現興奮感。此外，我們強化了節奏控制，模型現在能更準確地遵循你的明確節奏指示。
聽聽看模型如何根據指示調整節奏：
「風格：你是一位推理小說的故事講述者。以緊張的語氣開始，然後加速進入興奮與釋懷。」
「文字：我試著慢慢轉開門鎖。我緊張地摸索著……沒反應……深吸一口氣，我試了第二次。咔噠，我進去了！真不敢相信，我真的進去了！」
更佳的多說話人能力
對於 Podcast、模擬訪談或多角色敘事等應用，創造具有鮮明身份的真實對話至關重要。我們優化了模型，使其能維持一致的角色語音，並在來回對話中更自然地處理說話人之間的切換。
我們也改進了模型的多語言能力，使其能夠在所有 24 種支援語言 中，在對話中保留每個角色的獨特語氣、音高和風格。
在我們的 歷史之聲示範應用 中，探索模型的多說話人、多語言能力。
客戶心聲
合作夥伴已經在實際生產中看到這些改進的影響。
Wondercraft 是一個 AI 音頻平台，它使用 Gemini TTS 打造了兩項最重要的功能：Convo 模式，讓任何人都能創建逼真的多說話人對話，並控制節奏與表達；以及 Director 模式，提供對發音、語調和非語言線索的精準控制，讓編輯變得毫不費力。
「Gemini TTS 是 Wondercraft 從原型邁向實際生產應用的關鍵。客戶一直渴望更自然的語音，但傳統的 TTS 引擎無法滿足。自從採用 Gemini TTS 後，訂閱數提升了 20%，首月流失率下降了 20%，我們的成本也降低了 20%。」
Youssef Rizk，Wondercraft 創辦人
Toonsutra 透過電影級的角色配音和宣傳影片廣告來演繹他們的故事，他們信賴 Gemini TTS 處理多種語言和角色細微變化的能力。
「我們根據角色在漫畫格子中的情境和整體故事來生成音頻。這包括針對每個角色調整音高、語氣和口音，讓體驗盡可能沉浸。目前，我們同時為英文和印地語漫畫執行這項工作，發現角色的語氣一致性和品質都相當出色。」
Vishal Anand，Toonsutra 執行長
立即開始使用
Gemini 2.5 Flash 和 2.5 Pro TTS 模型已可透過 Google AI Studio 中的 Gemini API 取得。請閱讀我們的開發者文件、探索提示指南，或查看 Gemini API Cookbook 以開始使用。
