Gemini 3.1 Flash TTS是最新的AI语音模型，支持70多种语言，用户可通过音频标签调整语音风格和节奏。所有生成的音频均带有SynthID水印，以防止误信息传播。开发者可在Google AI Studio中使用该模型，创造高保真语音体验。

本研究提出了一种名为VNet的GAN基础神经声码器网络，解决了全频谱输入声码器在语音合成中的过度平滑问题。实验证明VNet在生成高保真语音方面表现优异。