ChainThink 消息，4月16日，据动察Beating监测，谷歌发布新一代文本转语音模型Gemini 3.1 Flash TTS。该模型核心卖点为开发者可精确控制AI语音的风格、语速和情绪表达，目前已通过Gemini API、Google AI Studio（开发者预览）、Vertex AI（企业预览）和Google Vids（Workspace用户）上线。

该模型的核心控制能力依托“audio tags”（音频标签），开发者可在输入文本中嵌入自然语言指令，调整AI语音的语调、节奏和口音，甚至在一句话中间切换表达风格。谷歌在Google AI Studio中提供“导演椅”式配置界面，包含场景指导、角色级调参、一键导出三层控制功能。

据第三方评测机构Artificial Analysis的TTS排行榜，Gemini 3.1 Flash TTS以1211分的Elo评分登顶，同时被列入“最具吸引力象限”。模型支持70多种语言和原生多角色对话，所有生成音频均内嵌SynthID水印用于AI内容识别。对开发者而言，该模型将TTS从“文字转语音”工具升级为可编程语音表演引擎，可实现跨产品线统一语音风格复用。