Gemini 3.1 Flash TTS โมเดลสร้างเสียงล่าสุดจาก Google รองรับ 70 ภาษา

Google ประกาศเปิดตัว  Gemini 3.1 Flash TTS โมเดล AI ตัวใหม่ที่สามารถแปลงข้อความเป็นเสียงพูด ที่ไม่ได้ทำเพียงการอ่านออกเสียงแต่ยังสามารถควบคุมน้ำเสียง อารมณ์ และจังหวะคำพูดอย่างละเอียด จนสามารถสร้างเสียงพูดที่มีคุณภาพและความสมจริงสูงจากเนื้อหาที่กำหนดได้อย่างแม่นยำ

 

จุดเด่นสำคัญของโมเดลคือ ขีดความสามารถทางงานเสียง ที่ทำได้ละเอียดและมีความสมจริงสูง ที่มีรายละเอียดของแท็กเสียงมากกว่า 200 รูปแบบ ที่สามารถนำไปปรับแต่งแก้ไขเพิ่มเติมได้ พร้อมรองรับภาษาการใช้งานมากกว่า 70 ภาษา รวมถึงภาษาถิ่น จึงสามารถกำหนดรูปแบบเสียงได้อย่างอิสระ

 

ขั้นตอนการใช้งานโมเดลเรียบง่าย เริ่มต้นจากเลือกรูปแบบเสียงตั้งต้นและภาษาที่ต้องการจะพูด จากนั้นพิมพ์อธิบายสไตล์หรือรูปแบบตามต้องการ เช่น ฟังง่าย เป็นทางการ หรือเป็นวัยรุ่น พร้อมสามารถกำกับการพูดของโมเดลได้ทั้งจังหวะ อารมณ์ น้ำเสียง และรูปแบบการพูดได้อย่างอิสระ โดยการแทรกรายละเอียดด้วย […] เข้าไปในเนื้อหาโดยตรง

 

จากขั้นตอนการใช้งานเห็นได้ชัดว่า โมเดลนี้ไม่ใช่เพียงการสร้างเสียงอ่านตามคำบอกอีกต่อไป แต่เปิดโอกาสในการสร้างเสียงคุณภาพสูง ที่ผู้ใช้งานสามารถลงมากำกับดูแลรายละเอียดเชิงลึกได้เอง เพื่อให้ได้เสียงที่มีลูกเล่นรายละเอียดซับซ้อน สามารถนำไปใช้งานในงานหลากหลายรูปแบบ โดยไม่ต้องมาตัดต่อเพิ่มเติมในภายหลังอีกต่อไป

 

ปัจจุบันโมเดลนี้เริ่มมีการนำไปใช้งานอย่างหลากหลาย ตั้งแต่การสร้างเสีนงบรรยายภายในเกม เสียงประกอบภายในภาพยนตร์โทรทัศน์ สร้างหนังสือเสียง ไปจนในภาคธุรกิจอย่างงานธนาคารและแจ้งเตือนฉุกเฉิน แต่เนื้อหาที่ถูกสร้างขึ้นทั้งหมดจะมีการกำกับด้วยลายน้ำของ SynthID เพื่อความโปร่งใสทุกครั้ง

 

สำหรับท่านที่สนใจ Gemini 3.1 Flash TTS เปิดให้ใช้งานแล้วบนช่องทาง Google AI Studio แบบจำนวนจำกัด