Gemini TTS 2.5发布：Google上线情绪语音，24语种与多角色一键切换

Google推出Gemini 2.5 Flash与Pro两款文本转语音预览模型，将替代今年5月的旧版系统。新模型主打“情绪级”表达、根据上下文自适应的节奏，以及覆盖24种语言的多角色对话。开发者可在Google AI Studio与Playground免费试用，预计2025年Q1进入生产环境。

情绪表达进阶：从“开朗明快”到“冷峻庄重”一键切换  

– 风格响应：根据“开朗”“沉郁”等提示，实时调整音色与语速  

– 场景：有声书、游戏NPC、课件本地化，显著减弱传统TTS的机械感  

– 体验：Synergy Intro应用可实时切换多风格，成品接近专业配音

节奏自适应：按上下文调快慢，叙事更有张力  

– 机制：复杂讲解会放慢，激动段落会加速，支持“慢条斯理悬疑→急促惊险”的动态变化  

– 示例：悬疑小说朗读可随剧情逐步加速，转折处一声“咔嗒”带来张力释放  

– 适用：产品教程、营销视频，告别单调朗读

多角色与24语种：跨语种一致性，角色不混淆  

– 功能：锁定多位说话者身份，对话切换自然顺畅  

– 语言：覆盖英、法、德、日、印地语等24种，尽量保留原音色与风格  

– 演示：Voices from History应用呈现英+多语混用的历史对话，角色个性稳定

行业反馈：订阅率+20%，成本-20%  

– 音频平台：集成多说话者模式后更受欢迎，订阅率+20%，首月流失率-20%，运营成本-20%  

– 内容工作室：英/印地语漫画配音角色一致性更强，沉浸感显著提升  

– 平台计划：2025年Q1将同时提供低延迟Flash版与高质量Pro版，满足实时与精品双需求

下一步：低延迟Flash与精品Pro双线推进  

Google表示，2025年Q1将同步优化低延迟Flash版（<300ms首包）与高质量Pro版（48kHz采样），并开放边缘节点部署，面向播客、互动游戏、虚拟主播等实时场景。后续将持续关注其边缘部署与付费模式更新。

官网地址：https://x.com/GoogleAIStudio/status/1998876411734692107