标签: 语音合成 (2 篇)

TTS推理并非单步自回归，而是延迟敏感与吞吐敏感模块的异构流水线，传统大模型优化套路在此失效，需架构感知的定制调度。

谷歌发布Gemini 3.1 Flash TTS，其革命性在于能通过类似电影剧本的详细提示词，精确控制语音的情感、口音、节奏和场景，标志着语音合成从“工具”向“创意伙伴”的转变。