📲Digital Trends•最新收集於 50m
Google 正在測試 Gemini 的語音自訂功能
💡Google 為 Gemini 加入細緻的語音控制功能，以提升使用者體驗。
⚡ 30-Second TL;DR
有什麼變化
使用者可以調整語音的能量與溫暖度。
為什麼重要
強化語音控制使 AI 助理在特定應用場景（如客戶服務或個人生產力）中更具通用性。這為人機互動的個人化設定樹立了新標準。
下一步行動
若您正在開發語音 AI 應用，請實作類似的 TTS 參數控制，以提升使用者留存率與滿意度。
誰應關注：Developers & AI Engineers
關鍵要點
- •使用者可以調整語音的能量與溫暖度。
- •正式程度設定允許控制語氣的專業或休閒感。
- •語速自訂功能可提升無障礙體驗與個人偏好設定。
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •此功能預計將整合至 Gemini Live 互動模式中，旨在降低 AI 語音的機械感，使其更符合人類對話的語調起伏。
- •Google 正在利用其最新的語音合成技術（TTS）模型，透過神經網絡參數即時調整音頻特徵，而非僅是簡單的播放速度變更。
- •該功能開發過程中，Google 特別強調了對不同語言與口音的適應性，以確保語氣調整在非英語系環境下仍能保持自然。
- •此項更新與 Google 提升 Gemini 在 Android 系統層級整合的策略一致，目標是讓 AI 助理成為更具備個人化特質的數位伴侶。
- •測試數據顯示，透過調整語氣參數，使用者在與 Gemini 進行長對話時的參與度與滿意度有顯著提升。
📊 競品分析▸ Show
| 功能/特性 | Google Gemini (語音自訂) | OpenAI ChatGPT (Advanced Voice) | Anthropic Claude |
|---|---|---|---|
| 語氣調整 | 支援能量、溫暖度、正式度 | 支援多種預設音色，語氣調整較有限 | 目前主要為文字與視覺，語音功能較弱 |
| 語速控制 | 支援 | 支援 | 不適用 |
| 核心技術 | Gemini 多模態模型 | GPT-4o 語音引擎 | N/A |
🛠️ 技術深入
- 採用端對端（End-to-End）神經語音合成架構，直接從文字生成波形，減少中間處理延遲。
- 引入了風格遷移（Style Transfer）模組，透過潛在空間（Latent Space）中的向量偏移來控制語氣參數。
- 支援即時串流（Streaming）處理，確保在調整語速或語氣時，音頻輸出不會產生斷層或雜訊。
- 整合了自適應語音編碼器，以在低頻寬環境下維持語音品質與情感表達的準確度。
🔮 前景展望AI analysis grounded in cited sources
語音個人化將成為 AI 助理市場的標準配置。
隨著使用者對 AI 互動自然度要求提高，語氣自訂功能將迫使競爭對手跟進以維持產品競爭力。
此技術將顯著降低 AI 語音在情感陪伴領域的門檻。
更具備溫暖度與個人化語氣的 AI 能有效提升使用者在心理諮詢或語言學習場景中的沉浸感。
⏳ 時間線
2023-12
Google 發布 Gemini 1.0 模型，奠定多模態互動基礎。
2024-05
Google I/O 大會展示 Project Astra，預告更自然的即時語音互動能力。
2024-08
Gemini Live 正式推出，提供更流暢的對話體驗。
2026-07
Google 開始測試 Gemini 語音自訂功能，進一步細化語音控制選項。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： Digital Trends ↗