Google 升級 Gemini 語音功能：推出 Voice Remixing 混音新技術，用文字即時調校 AI 說話音色、語調！

科技巨頭 Google 旗下的人工智能開發平台 Google AI Studio 近日宣佈一項技術更新，正式推出名為「Voice Remixing」（語音混音）的全新功能，讓開發者與一般用戶可以在現有的 Gemini 3.8 Flash TTS（文字轉語音）模型中，直接微調及修改音色。這項技術打破了過往必須從頭開始錄製或訓練 AI 音色的限制，用戶只需使用簡單的日常文字指令，就能調整聲音的年齡、語調速度、口音以至音質特色，為影片創作、有聲書製作以及智能助理開發帶來了更高效的解決方案。

微調代替重新訓練 開發門檻大幅度降低

傳統的 AI 配音技術如果需要改變特定角色或旁白的聲音風格，往往需要重新收集數以小時計的音訊樣本並進行繁複的模型訓練。根據 Google 官方釋出的技術文件顯示，「Voice Remixing」的運作原理是建立在既有的聲音庫基礎之上。用戶可以直接從系統內置的 2,000 多種預設工作室音色，或是自己過往設計好的客製化音色中挑選出一個「基礎音色」。接著，用戶只需要輸入像「讓聲音聽起來年長二十歲，並帶有一點沙啞的男低音」、「改成澳洲英語口音」或是「放慢朗讀速度並放輕語調」等直白的要求，系統就會根據這些指令直接修改聲音的聲學特徵，並即時運算出三個不同的版本供用戶試聽與儲存。這種做法不僅保留了基礎音色原本的說話神髓，更省去了從零開始的漫長等待。

查證未支援廣東話專屬語音模型 僅覆蓋主流國家語系

針對本港大眾與開發者最關心的語言支援問題，經查證 Google 官方公布的技術指南，這項全新的語音複製及微調技術目前並未提供廣東話（繁體中文香港）的專屬語音選項。在語音複製的法規同意條款中，系統現時支援包括美式英語、英式英語、簡體中文、日語、韓語、法語、德語等多種主流語系，但香港本地常用的廣東話尚未列入支援名單之中。

香港用戶若想體驗此功能，現階段需要使用上述支援的語系或英語來進行指令調整與聲音複製。此外，為了防止聲音技術被濫用作詐騙或其他不法用途，Google 設立了嚴格的版權與安全防護機制。用戶如果想複製某個特定人物的聲音，必須同時上傳一段由該聲音擁有者親自朗讀的「授權同意聲明」錄音，系統透過聲紋比對確認兩者為同一人後才會允許產出聲音模型，且所有由該系統生成的音訊都會被植入無法察覺的 SynthID 數碼水印以供識別。

港人可免費線上測試 平台提供可視化操作

雖然目前這項技術主要透過應用程式介面（API）供程式開發人員調用，但普通讀者與市民如果想親自測試這項黑科技，Google 亦提供了免費且無需編寫程式碼的試用途徑。公眾可以直接瀏覽 Google AI Studio 官方語音生成平台，登入 Google 帳戶後即可進入互動式的語音設計工作室，但可能要使用VPN（香港地區未必可以使用）。在該頁面的可視化介面中，用戶可以自由點選「Remix this voice」（混音此聲音）功能，直接在網頁瀏覽器上錄製或上傳 10 至 30 秒的語音樣本，並隨即輸入調整指令來測試變聲效果，親身體驗人工智能在語音創作上的最新進展。