Trưởng phụ trách quan hệ nhà phát triển của Google AI, Logan Kilpatrick, đã công bố việc ra mắt Gemini 3.1 Flash TTS vào ngày 15 tháng 4 — mô hình chuyển văn bản thành giọng nói (TTS) mới nhất của Google. Mô hình này hỗ trợ 70 ngôn ngữ, khả năng điều khiển tinh chi tiết theo cấp độ người nói, chỉ dẫn theo ngữ cảnh (scene direction) và thẻ âm thanh (audio tags); hiện đã được mở cho sử dụng trong trình phát triển âm thanh của Google AI Studio (audio playground) và trong Gemini API.
Bốn chức năng cốt lõi
So với phiên bản tiền nhiệm, Gemini 3.1 Flash TTS có bốn điểm nâng cấp đáng chú ý:
Chỉ dẫn theo ngữ cảnh (Scene Direction) — Có thể thiết lập bối cảnh cho giọng nói, ví dụ như “nói khẽ trong quán cà phê ồn ào” hoặc “hào hứng công bố tin vui”; mô hình sẽ điều chỉnh giọng điệu, tốc độ nói và cảm xúc dựa trên bối cảnh
Điều khiển theo cấp độ người nói (Speaker-Level Specificity) — Trong các cuộc hội thoại đa vai, có thể thiết lập các đặc trưng giọng nói khác nhau cho từng nhân vật
Thẻ âm thanh (Audio Tags) — Hỗ trợ chèn các lệnh hiệu ứng âm thanh vào văn bản, kiểm soát chi tiết như nhịp ngừng (pause) và thay đổi ngữ điệu
Hỗ trợ 70 ngôn ngữ — Mở rộng đáng kể phạm vi đa ngôn ngữ, bao gồm tiếng Trung
Giọng nói tự nhiên và giàu biểu cảm hơn
Google nhấn mạnh những tiến bộ của mô hình này về độ tự nhiên của giọng nói. Các mô hình TTS truyền thống thường bị chỉ trích là “nghe như AI”. Gemini 3.1 Flash TTS tìm cách thu hẹp khoảng cách với giọng nói của con người thông qua biến đổi ngữ điệu và biểu đạt cảm xúc phong phú hơn. Kilpatrick cho biết, sự tiến bộ từ Gemini 2.5 lên 3.1 là “rất rõ rệt”.
Cách nhà phát triển sử dụng
Nhà phát triển có thể sử dụng theo hai cách:
Google AI Studio Audio Playground — Trực tiếp kiểm thử và xem trước hiệu quả giọng nói ngay trên giao diện web
Gemini API — Tích hợp vào ứng dụng để phục vụ các tình huống như trợ lý giọng nói, sách nói, tự động tạo Podcast, chăm sóc khách hàng đa ngôn ngữ, v.v.
Dòng sản phẩm Gemini tiếp tục mở rộng
Flash TTS là một phần trong chuỗi các bản phát hành dày đặc gần đây của dòng Gemini 3.1. Trước đó, Google đã giới thiệu Gemini Robotics ER 1.6 (suy luận thị giác cho robot), Tab Tab Tab (bổ toàn prompt “Vibe Coding”) và các tính năng xem trước thiết kế. Google đang mở rộng Gemini từ “mô hình chat” sang một nền tảng AI đa phương thức bao gồm văn bản, giọng nói, thị giác và robot.
Bài viết này Google ra mắt Gemini 3.1 Flash TTS: Hỗ trợ 70 ngôn ngữ và chỉ dẫn theo ngữ cảnh, giọng nói AI tự nhiên hơn đã xuất hiện sớm nhất trên 鏈新聞 ABMedia.
Tuyên bố miễn trừ trách nhiệm: Thông tin trên trang này có thể đến từ bên thứ ba và không đại diện cho quan điểm hoặc ý kiến của Gate. Nội dung hiển thị trên trang này chỉ mang tính chất tham khảo và không cấu thành bất kỳ lời khuyên tài chính, đầu tư hoặc pháp lý nào. Gate không đảm bảo tính chính xác hoặc đầy đủ của thông tin và sẽ không chịu trách nhiệm cho bất kỳ tổn thất nào phát sinh từ việc sử dụng thông tin này. Đầu tư vào tài sản ảo tiềm ẩn rủi ro cao và chịu biến động giá đáng kể. Bạn có thể mất toàn bộ vốn đầu tư. Vui lòng hiểu rõ các rủi ro liên quan và đưa ra quyết định thận trọng dựa trên tình hình tài chính và khả năng chấp nhận rủi ro của riêng bạn. Để biết thêm chi tiết, vui lòng tham khảo
Tuyên bố miễn trừ trách nhiệm.
Bài viết liên quan
Cổ phiếu Meta Tăng 1,73% khi Công Ty Lên Kế Hoạch Sa Thải 8.000 Nhân Sự Bắt Đầu Từ Ngày 20/5
Meta Platforms dự kiến cắt khoảng 8.000 việc làm, tương đương 10% lực lượng lao động, bắt đầu từ ngày 20/5, bất chấp giá cổ phiếu tăng. Công ty, với hơn $200 tỷ USD doanh thu, đang tập trung vào các khoản đầu tư cho AI trong bối cảnh tái cơ cấu đáng kể, phù hợp với xu hướng của ngành về các đợt sa thải.
GateNews4giờ trước
Báo cáo thường niên của Google cho biết Gemini thực hiện chặn theo mili giây, chặn 99% quảng cáo lừa đảo
Bài viết thảo luận cách Google tăng cường an toàn quảng cáo thông qua hệ thống trí tuệ nhân tạo tạo sinh Gemini của mình; báo cáo cho thấy tốc độ của việc chặn các quảng cáo vi phạm đã được rút ngắn xuống còn mili giây, với tỷ lệ chặn đạt 99%. Năm ngoái, Google đã gỡ 8,3 tỷ lượt quảng cáo và tạm dừng 24,9 triệu tài khoản, cho thấy số lượng quảng cáo lừa đảo đã tăng mạnh. Các chuyên gia cho biết, đây là cuộc đối đầu giữa trí tuệ nhân tạo và trí tuệ nhân tạo; trong tương lai vẫn cần đối mặt với những thách thức do AI mang lại về các hành vi hợp pháp và bất hợp pháp.
ChainNewsAbmedia6giờ trước
Đồng sáng lập Ethereum Lubin: AI sẽ là bước ngoặt then chốt cho crypto, nhưng độc quyền của các gã khổng lồ công nghệ tạo ra rủi ro mang tính hệ thống
Đồng sáng lập Ethereum Joseph Lubin nhấn mạnh tiềm năng mang tính đột phá của AI đối với lĩnh vực tiền mã hóa, đồng thời cảnh báo về các rủi ro của việc tập trung hóa giữa các gã khổng lồ công nghệ. Ông hình dung các giao dịch tự động do AI thúc đẩy trên blockchain và nhấn mạnh sự hội tụ giữa tài chính truyền thống với DeFi.
GateNews8giờ trước
Elon Musk Thúc Đẩy Các Khoản Chi Trả “Thu Nhập Cao Phổ Quát” như Giải Pháp Tối Ưu Cho Tình Trạng Thất Nghiệp Do AI
Elon Musk ủng hộ Thu nhập cao phổ quát (Universal High Income) để chống lại nạn thất nghiệp do AI gây ra, hình dung về một tương lai với hàng hóa dồi dào và lạm phát bằng không. Ngược lại, các chuyên gia như Sam Altman lại lo ngại về việc mất việc làm và đề xuất các biện pháp bảo vệ cho người lao động.
Coinpedia8giờ trước
据称DeepSeek启动首轮对外融资，目标估值超$10B，并计划筹集$300M+
DeepSeek，一家中国AI初创公司，正在洽谈其首轮对外融资，目标是在$300 百万的融资规模下，估值达到$10 十亿。尽管此前曾拒绝过投资邀约，但据称其融资讨论如今已展开。
GateNews8giờ trước
Quảng cáo ChatGPT mở rộng sang Úc và New Zealand: người dùng Free và Go dùng trước, các gói trả phí vẫn không có quảng cáo
OpenAI vào ngày 17 tháng 4 năm 2023 đã mở rộng quảng cáo ChatGPT tới Úc, New Zealand và Canada, dành cho người dùng Free và Go; người dùng trả phí không có quảng cáo. Động thái này đánh dấu con đường thứ hai của thương mại hóa AI, đồng thời cân nhắc rủi ro về kinh doanh và quy định; việc hiển thị quảng cáo có thể thúc đẩy chuyển đổi sang trả phí.
ChainNewsAbmedia10giờ trước
