谷歌Gemini 2.5 TTS重大升级：情绪化语音、自适应节奏与多语言对话革新AI语音合成

谷歌近日发布Gemini 2.5 Flash与Pro文本转语音（TTS）模型的重大升级，新版本在语音表达、语速控制及多语言支持方面实现突破。该模型于2025年12月11日正式推出，全面替代今年5月的旧版系统，目前开发者可通过Google AI Studio和Playground免费测试，预计2025年第一季度投入生产环境。

此次升级的核心改进包括三方面：一是情绪级表达功能，支持从“欢快乐观”到“阴郁严肃”等风格的一键切换，显著提升语音表现力；二是上下文自适应节奏技术，能根据文本内容自动调整语速快慢，使叙事更富动态感；三是多角色对话支持，可在24种语言中保持角色声线稳定，避免跨语种对话时的声线混乱问题。

技术应用方面，新版TTS已集成至Wondercraft等平台，为其多角色对话与导演模式功能提供支持。该技术适用于有声读物、游戏NPC配音、多语言教学视频等高保真语音场景，有效解决传统TTS语音机械感的问题。谷歌表示，此次升级将助力AI客服、内容创作及教育类应用实现更自然的交互体验。