待验证50% 置信事实精确时间

两款模型支持通过 <laughs>、<sigh>、<gasp> 等非语言提示以及 |mhm|、|yeah| 等主动倾听式插话标记控制对话

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/23

首次发现

有效期至：2026/12/22

来源

Google推出Gemini 3.8 TTS：从预设声音到全自定义语音工作室

涉及实体

Gemini 3.8 Flash TTSmodel

相关事实

待验证Dia能根据输入文本自动生成两人对话音频，可模拟咳嗽声、笑声等非语言细节71% 相似已验证端到端语音模型直接以音频为输入和输出，在音频token层面进行理解与生成，保留语调、语速、叹气、笑声等声学特征71% 相似待验证新模型能感知说话者的音量、语气等副语言信息，并主动调大音量或切换状态70% 相似待验证工作流提供对口型模式（将用户语音冻结进音频潜空间）和模型生成语音模式两种语音生成方式68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/944525

API

curl https://kongchang.com/api/v1/knowledge/claims/944525

MCP

get_claim(id=944525)