音频生成
已上线

Gemini 3.1 Flash TTS

由 Google DeepMind 提供

Google 最具表现力的文本转语音，支持音频标签和多人对话。

Gemini 3.1 Flash TTS

核心功能

技术规格

多语言

在多种语言中控制风格、节奏与口音

最多 2 位

一次多人生成中两种不同的声音

音频标签

平实话语指示加上内嵌的方括号提示

SynthID

输出上不可察觉的 AI 来源水印

应用场景

视频旁白与配音

为 AI 或实拍视频添加自然旁白，用平实的话设定语气与节奏。

角色对话

为短片、游戏和讲解视频配两位说话人的场景，每个角色都有独特的声音。

本地化配音

用多种语言朗读同一脚本，保持母语般的节奏与口音。

有声书与长篇内容

在长段旁白中保持自然、一致的朗读。

讲解与教程

为产品演示、课程和操作指南提供清晰、可调度的旁白。

广告口播与宣传

以你所调度的能量与强调，呈现富有表现力且契合品牌的口播。

提示词示例

温柔的旁白

把这句温柔而缓慢地说，像在安抚孩子：暴风雨已经过去了。你现在安全了。

Edit prompt

内嵌反应

真不敢相信你做了那件事 [laughs]。今年最棒的惊喜。

Edit prompt

从耳语到正常

[whispering] 别出声。[normal voice] 好，安全了。

Edit prompt

口音控制

用英式口音读这句：Lovely weather we're having, isn't it?

Edit prompt

戏剧性的停顿

缓慢而清晰地读这句：每一个。字。都重要。

Edit prompt

双人场景

Maya：那份工作有回复了吗？ Tom：有了。我周一开始。

Edit prompt

概览

Gemini 3.1 Flash TTS 是 Google 的文本转语音模型，于 2026 年 4 月 15 日发布，并作为语音用的音频模型集成到 Morphic 中。它将文本转化为可用平实话语指示和内嵌音频标签调度的、富有表现力的自然旁白，让多人对话发声，并为每段片段添加 SynthID 水印。

Gemini 3.1 Flash TTS 的独特之处

大多数文本转语音只是以固定的语气把你的文字读回来。Gemini 3.1 Flash TTS 会接受调度。在句子前用平实的话写下指示来设定语气、节奏或口音，并在你想要的位置放入方括号提示，例如 [laughs] 或 [whispering]。模型会表演调度而非把它读出来，因此同一份脚本可以从轻声的独白转为充满能量的朗读。

Morphic 上的 Gemini 3.1 Flash TTS

在 Morphic 中，Gemini 3.1 Flash TTS 位于 Speech 的音频模型选择器中，与 ElevenLabs 并列。将提示栏切换到 Audio，选择 Speech，选取 Gemini 3.1 Flash TTS，然后写下带有调度或标签的脚本，选择声音与语言并生成。音频会直接放到 Canvas 的视频片段旁边。

简单定价

今天就免费开始，随时可以升级或取消。

Basic

$9/ 月
账单金额为 $0 每年

1100 每月 信用

1 个用户

所有模型

工作流

Standard

$24/ 月
账单金额为 $0 每年

3625 每月 信用

1 个用户

所有模型

工作流

Pro

$45/ 月
账单金额为 $0 每年

6350 共享 每月 信用

1 用户

+ 最多 4 人额外付费可增加

所有模型

工作流

Pro Max

$170/ 月
账单金额为 $0 每年

24650 共享 每月 信用

1 用户

+ 最多 9 人额外付费可增加

所有模型

工作流

Enterprise

更高的限制

自定义

定价和账单条款

大容量信用
自定义席位限制
所有模型
工作流
Pricing Gradient

Free

供随意体验

$0

永久免费

最多 20 积分
仅1个用户
部分模型
工作流
比较方案详情

常见问题

什么是 Gemini 3.1 Flash TTS？
Gemini 3.1 Flash TTS 是 Google 的文本转语音模型，于 2026 年 4 月 15 日发布。它能生成富有表现力的自然旁白，可用平实话语指示和内嵌音频标签来调度，支持多人对话，并为每段片段添加 SynthID 水印。
我能在 Morphic 上创作什么？
Gemini 3.1 Flash TTS 可用于配音、旁白、角色对话、本地化口播以及富有表现力的广告口播。在 Morphic 上生成音频，然后在同一工作流中将其放到 Canvas 的视频片段旁边。
如何调度声音？
有两种方式，且可以组合使用。在句子前写下平实话语指示，例如「把这句温柔而缓慢地说：」，并在想要的位置加入方括号提示，例如 [laughs] 或 [whispering]。Gemini 会表演该提示，而不是把它读出来。
它支持多位说话人吗？
支持。Gemini 3.1 Flash TTS 可在一次生成中让两位说话人来回对话，并为每位赋予不同的声音。为每句标注说话人姓名，并在生成前为各自分配声音。
它支持多少种语言？
Gemini 3.1 Flash TTS 能用多种语言朗读，并在每种语言中控制口音、节奏与风格。生成前请选择契合脚本的声音与语言。
它与 Morphic 上的 ElevenLabs 有何不同？
两者都能在 Morphic 上生成媲美真人的声音。ElevenLabs 是一套完整的音频套件，涵盖语音、音乐与音效，并提供精细的声音调节。Gemini 3.1 Flash TTS 专注于富有表现力、可调度的语音，具备平实话语调度、内嵌音频标签和多人对话。许多创作者会同时使用两者，一个用于声音，另一个用于音乐与音效。
它会为音频添加水印吗？
会。Gemini 3.1 Flash TTS 生成的每段片段都带有 Google 不可察觉的 SynthID 水印以标明 AI 来源。它对听众不可闻，并能在重新编码等常见编辑后保留。
如何在 Morphic 上使用 Gemini 3.1 Flash TTS？
打开 Morphic，将提示栏切换到 Audio 并选择 Speech。选择 Gemini 3.1 Flash TTS 作为音频模型，写下带有调度或标签的脚本，选择声音与语言，然后生成。

其他模型

ChatGPT Images 2.5

OpenAI

OpenAI 的图像模型，2026 年 9 月发布。 细节更锐利，编辑更精准，出图更快。

Lyria 3.5

Google DeepMind

Google 目前最好听的音乐模型。 完整的歌：有结构、有人声、有歌词。

MiniMax H3 Max Turbo

fal.ai

fal 蒸馏出来的 H3 快速档。 速度翻一倍，画面几乎照旧。

Inworld TTS 2

Inworld

95 个音色，100 多种语言。 开口不到一秒，换语言不换人。