谷歌近日发布Gemini2.5 Flash与Pro文本转语音预览模型，全面升级今年5月发布的旧版系统。新模型主打情感化表达、智能节奏调节及多语言角色对话三大特性，开发者现可通过Google AI Studio与Playground平台免费体验，预计2025年第一季度正式投入商用。

谷歌近日发布Gemini2.5 Flash与Pro文本转语音预览模型，全面升级今年5月发布的旧版系统。新模型主打情感化表达、智能节奏调节及多语言角色对话三大特性，开发者现可通过Google AI Studio与Playground平台免费体验，预计2025年第一季度正式投入商用。

情感化语音表达：一键切换多样风格​

• 支持根据”欢快””严肃”等提示词实时调整语音情绪与语速
• 适用于有声读物、游戏角色配音、多语言课件等场景，有效改善传统语音合成的机械感
• 用户可通过Synergy Intro应用实时体验多风格切换效果，输出质量媲美专业配音

智能节奏调节：上下文感知语速变化​

• 自动识别文本内容，在复杂解释处放慢语速，在兴奋段落加快节奏
• 支持从”缓慢悬疑”到”急促惊险”的动态过渡，增强叙事感染力
• 特别适合产品教程、营销视频等内容制作，告别单调的语音朗读

多语言角色对话：24种语言无缝切换​

• 可锁定多个说话者身份，确保对话交接自然流畅
• 支持英语、法语、德语、日语、印地语等24种语言，保持原语言语调特色
• Voices from History应用展示了跨语言历史人物对话效果，角色个性鲜明稳定

行业应用反馈：显著提升用户体验​

• 音频平台报告显示，集成后多说话者模式受欢迎，用户订阅率提升20%
• 内容工作室反馈，英印双语漫画配音角色一致性获得好评，沉浸感大幅提升
• 谷歌计划2025年Q1同步推出低延迟Flash版（响应<300ms）与高音质Pro版（48kHz采样）

未来规划：双版本并行发展​

谷歌表示将持续优化Flash版的实时响应能力与Pro版的音质表现，并计划支持边缘节点部署，重点拓展播客制作、互动游戏、虚拟主播等实时应用场景。我们将持续关注其商用部署进展与付费方案更新。

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