Gemini 原生文本转语音 (TTS) 功能达到生产就绪状态-低调大师

Gemini 原生文本转语音 (TTS) 功能达到生产就绪状态

2025-07-22 210

谷歌Gemini模型的原生文本转语音（TTS）功能已适用于规模化的生产环境，该功能目前支持Gemini 2.5 Flash和Gemini 2.5 Pro两个模型。

https://x.com/OfficialLoganK/status/1947328086577492309

据官方人员透露，这项强大的功能适用于多种用例，例如创建类似NotebookLM风格的播客内容。该功能可以通过 AI Studio 和 Gemini API 体验使用。

Gemini API 可以使用原生文本到语音 (TTS) 生成功能，将文本输入转换为单声道或多声道音频。文字转语音 (TTS) 生成是可控制的，这意味着您可以使用自然语言来构建互动，并引导音频的风格、口音、节奏和语气。

TTS 功能不同于通过 Live API 提供的语音生成功能，后者专为互动式非结构化音频以及多模态输入和输出而设计。虽然 Live API 在动态对话情境中表现出色，但通过 Gemini API 进行 TTS 更适合需要精确朗读文本并对风格和音效进行精细控制的场景，例如播客或有声读物生成。

详情查看 https://ai.google.dev/gemini-api/docs/speech-generation

微信关注我们

原文链接：https://www.oschina.net/news/361776

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

李开复 AI 创业公司发布下首个智能体（AI Agent）产品

7月22日，零一万物在北京举办产品发布会，正式发布万智企业大模型一站式平台（万智平台）2.0版本，并推出企业级Agent智能体（代号“万仔”），以“超级员工”为核心定位，具备深度思考和任务规划能力，可访问手机和Web端，连接各类企业服务，帮助企业基于自身业务场景定制专属Agent，解决真实问题。万智企业级Agent通过自研强化学习和全栈研发工程技术栈，提升任务规划能力，结合企业知识库和生产任务，以交付结果为目标动态生成执行计划，实现“从工具流执行者”向“人机共同决策者”的跃迁，并支持私有化部署和结果校验，确保业务数据与安全无忧。零一万物CEO李开复表示，企业级Agent已步入推理Agent阶段，与OpenAI最新发布的ChatGPT Agent处于同一技术水位，推动中国大模型产业从“交付服务”迈向“交付结果”的产业AI时代。对于目前AI Agent的发展路径，李开复预计会经历三个演进层级： L1：工作流Agent：这一阶段由人类主导任务的规划与决策流程，Agent仅按指令一步步执行指定动作。虽然实现了任务自动化的初步落地，但其智能化程度有限，本质仍为强化版的“RPA（机器人流程自...

2025-07-22

178

被 Cognition 收购的 Agentic IDE 工具 Windsurf 发布了 Wave 11 版本，新增了语音输入、对话检查点和更深入的浏览器集成等功能。新版本为核心的 Cascade AI 助手引入了语音支持，用户现在可以通过语音输入复杂的任务提示。此外，为便于管理长对话，新增了“命名检查点”（named checkpoints）功能，用户可以创建对话快照并随时恢复。同时，用户现在可以在新对话中通过 @ 提及过去的对话，以便 Cascade 获得完整的上下文。浏览器集成也得到深化，Cascade 现在可以访问更多浏览器工具，如对打开的标签页进行截图和检索 DOM 树。备受欢迎的“规划模式”（Planning mode）因其能有效提升复杂任务的响应质量，现已成为默认开启项。针对 JetBrains IDE 用户，此次更新也带来了规划模式、工作流和基于文件的规则等功能。

2025-07-22

89

资源下载

更多资源

优质分享App

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。