我不是小布丁
@xiaobuding
Voice search 这波升级是 BIG 的，动静不小，够大。谷歌的 Gemini 语音听感大幅逼近真人，八个能力点一次摆齐，条条硬核，没一条凑数，实在。
前四条是表达力的飞跃。Gemini 3.8 Flash TTS 能控制情绪，能改节奏。能加停顿和笑声，还支持一百三十多种语言，这四样凑齐，机器音的帽子才算摘掉，摘得干净，干净利落。戴了十年的帽子说摘就摘，不容易，真不容易，这进步肉眼可见。耳朵也听得见，骗不了人，谁听谁知道，不信你听。
后面四条是覆盖面的扩张，野心在这。轻量版更快，支持一百零一种语言。给实时语音工具供电，博客能变口语内容，FAQs 能变语音体验，五到八条把场景从娱乐拉进工作流，明摆着要吃下整个听的场景，这胃口不小。嗅觉灵敏的闻出味道了。我也闻到了，这味道叫变天，夸张了，是渐变的天，但确实在变，每天都变一点，质变不远，这话我信，一直信。
我的看法是这场升级真正在动的是内容形态，网页从看得懂变成 TALK 得懂，这句点题点得漂亮，我划重点，重点中的重点，划三次。以前做内容只考虑眼睛。字要好看图要清晰，往后还得考虑耳朵，这新要求摆在面前。
念出来顺不顺，听起来像不像人话，都得过关，一样不能少。这会淘汰一批模板化内容，也会让会说话的创作者升值，机会留给会张嘴的。写作重心从书面语往口语偏移，这趋势我盯了一段时间，越来越明显，藏不住。确定到能写进年度判断里，分量够重，你们掂掂，不轻，真不轻，掂过都说重，说真的。
把长句拆短句，口语听得住短的，反常识但管用。把术语翻译成大白话，听众没耐心查名词，别为难人家，这理对。每篇开头写成一句能被引用的金句，语音场景里传播力翻倍，第三条最值钱，最值钱的放最后。三条不花一分钱。改的只是习惯，习惯是最便宜的杠杆，撬动下一个流量入口，这账算过好几遍，每遍都划算，没例外。想要完整 SOP 的，自己去整理这三个，我先摆到这。
