Gemini TTS
Google Gemini 系列中的文本转语音模型，支持多说话人语音配置，能够在单次推理请求中动态生成多角色、多音色的连续音频，音色由模型动态生成而非音频拼接
时间轴 (近 90 天)
放在文本正文里的风格指令（如朗读语气要求）会被某些TTS语音当成正文内容读出来，解决方法是只把要朗读的文字发给模型，样式配置通过API参数而非正文传递
朗读器应只接收消息正文并先剥离表情符号，否则emoji会被读成莫名其妙的音节（如蛋糕🎂被读成「chha」）
官方演示中将说话人 Jack 映射到 Orus 音色，将说话人 Jill 映射到 Zephyr 音色
开发者可在同一次模型调用中完成多角色语音生成，无需分别发起多次请求再拼接结果
Firebase AI Logic 宣布支持 Gemini 的文本转语音（TTS）模型
Gemini TTS 提供的音色为预训练的声学模型，由模型在推理阶段动态生成而非音频拼贴
开发者在提示词中为每一行文本加上对应的说话人名称作为前缀，Gemini 会自动切换音色并生成流畅的多角色对话
多说话人配置通过定义语音配置，将每个角色名称与特定音色一一对应来实现
全部知识事实 (8)
朗读器应只接收消息正文并先剥离表情符号，否则emoji会被读成莫名其妙的音节（如蛋糕🎂被读成「chha」）
50%待验证放在文本正文里的风格指令（如朗读语气要求）会被某些TTS语音当成正文内容读出来，解决方法是只把要朗读的文字发给模型，样式配置通过API参数而非正文传递
50%待验证官方演示中将说话人 Jack 映射到 Orus 音色，将说话人 Jill 映射到 Zephyr 音色
50%待验证开发者可在同一次模型调用中完成多角色语音生成，无需分别发起多次请求再拼接结果
50%待验证Gemini TTS 提供的音色为预训练的声学模型，由模型在推理阶段动态生成而非音频拼贴
50%待验证开发者在提示词中为每一行文本加上对应的说话人名称作为前缀，Gemini 会自动切换音色并生成流畅的多角色对话
50%待验证多说话人配置通过定义语音配置，将每个角色名称与特定音色一一对应来实现
50%待验证Firebase AI Logic 宣布支持 Gemini 的文本转语音（TTS）模型
50%