Gemini 3.8 TTS 新增語音混音，可用自然語言改造音色
Gemini 3.8 TTS 上線語音混音功能，可用自然語言指令修改已有的預置或設計語音，生成一個獨立儲存的新音色。呼叫 POST /v1beta/voices 並指定 gemini-3.8-flash-tts 即可獲得 voice_ 開頭的 ID，也可在 Google AI Studio 裡互動式調整。之後可用 Gemini 3.8 Flash TTS 或 Gemini 3.8 Flash-Lite TTS 合成語音。
把音色定製從挑預置音色變成用自然語言改寫並存為獨立 voice ID，做多角色配音或品牌音色的 TTS 開發者可直接走官方 API。
原標題：Gemini API release notes: November 4, 2026
閱讀原文
| 評分 | 66 / 65（平均 65，門檻 60） |
|---|---|
| 狀態 | 精選 |
相關報導
llama.cpp 支援 Pocket TTS 預置音色，無需音色克隆
llama.cpp 建置 b12061 為 Kyutai 的 pocket-tts 模型加入免克隆的預置音色支援，使用者不必提供參考音訊即可選音色。轉換指令碼把官方權重中的音色狀態還原成提示嵌入並寫入 mmproj，服務端在 GET /props 的 voices 欄位列出可用音色，/tts 的 voice 欄位與 --tts-voice 引數用於選擇。未指定音色時預設取第一個預置音色，否則輸出近乎靜音；
OpenAI 新增九個語音預設，覆蓋法德印日韓五語
OpenAI 開發者帳號宣布新增九個語音預設，全部由法語、德語、印地語、日語和韓語的母語演員錄製，覆蓋五種語言。官方同步給出 custom voices 入門指南連結，指向 developers.openai.com 的 API 文件，供開發者瞭解如何開始使用。推文未說明音色名稱、可用模型、價格與開放範圍。
@MistralAI: Voxtral Mini TTS 3 achieves state-of-the-art expressiveness in 35+ languages and 50+ dialects.
Mistral 發布語音合成模型 Voxtral Mini TTS 3，官方稱其在 35 種以上語言和 50 多種方言上達到當前最佳的表達力。模型支援隱式指令跟隨，能從對話內容中讀出情緒、語速與重音；也支援顯式控制，用 [emotion=sad][pace=slow] 這類標籤逐行設定情緒和節奏。
llama.cpp server 新增 /tts 語音合成介面
llama.cpp 的 server 在 b11781 建置中加入 POST /tts 端點，可直接為 TTS 模型提供語音合成服務。該端點支援通過 form-data 上傳 speaker_ref 參考音色、向 API 暴露 seed，並補齊 /tts 的路由、文件與 server_schema；mtmd 同時新增音訊輸出流 API。
ChatGPT 上線音訊上傳：付費訂閱可轉錄與總結錄音
OpenAI 為 ChatGPT 加入音訊檔案上傳功能，可生成轉錄、總結錄音內容並針對錄音提問，還能把會議、訪談或講座整理成結構化筆記或跟進郵件草稿。該功能面向付費 ChatGPT 訂閱與工作區開放，實際可用性受工作區設定、地區、客戶端版本和模型影響。官方提示轉錄可能包含錯誤，不同語言的表現也存在差異。