新一轮TTS进展：短视频本地化还剩哪些人工工作？
近期音频方向
Google于9月23日介绍Gemini 3.8 Flash TTS和Flash-Lite TTS，涉及角色声音与对白控制。语音生成的可控性值得关注，但生成配音与交付本地化成片仍有距离。
我们会保留的工作
一镜多语的流程计划保留原稿确认、名词表、音色授权、字幕节奏和最终听审。商品型号不能随意改读法，字幕时间轴也不能完全跟着自动结果走。
第一轮希望拿同一支短片比较三种节奏，而不是一次生成大量版本。只记录可复用的问题，例如哪类长句需要重写，哪一段必须让画面多停一秒。
欢迎交流
做跨语种内容的朋友，你觉得最需要人工判断的是语气、文化表达，还是信息密度？