Gemini TTS

Gemini TTS(文本转语音)是谷歌开发的一种语音合成技术,它能把写成文字的句子转换成听起来像真人说话的声音。

打个比方,这就像拿到剧本朗读的配音演员,只不过这个角色由AI来扮演,而不是真人。输入一句话,它就能生成语调和发音都很自然的音频,甚至还可以指定语气,比如要求用开朗或沉稳的方式朗读。

这项技术不仅限于朗读播报内容。最近它还被用来像真人一样在对话中插话或改变语调,因此在测试语音对话式AI代理时,也被用来生成模拟用户的声音。

文章中可能会这样出现:'模拟用户用Gemini TTS生成真实语音的音频,向代理发起对话。'这里要注意,Gemini TTS不是负责构思对话内容的AI'大脑',而是把已经确定好的文字转换成声音的语音输出工具。

如果你能使用谷歌Gemini的文本转语音功能,可以试着给同一句话指定不同的语气,比较一下结果。

• '请用沉稳低沉的语气读下面这句话:会议将于下午3点开始。'
• '请用轻快开朗的语气读下面这句话:会议将于下午3点开始。'

即使是同一句话,只要听一听语调和速度随指定语气变化的方式,就能立刻体会到这项技术的作用。