谷歌官宣Gemini 3.8 Flash TTS，把文本生成語音做成可從零設計角色聲線的創作工作室

谷歌發佈Gemini 3.8 Flash TTS

谷歌官宣Gemini 3.8 Flash TTS，把文本生成語音做成可從零設計角色聲線的創作工作室：覆蓋100種以上語言與方言，支持雙說話人同場對白，並能按行控制笑聲、嘆息、氣音等表演細節。

該模型標識爲gemini-3.8-flash-tts，定位旗艦創意檔，強調錄音室級保真、表演分寸、區域口音和長篇多輪不跑音。同系列還有高吞吐低成本的Gemini 3.8 Flash-Lite TTS，面向配音批量、朗讀和實時語音智能體。兩者共用同一套API圖式，切換隻需改模型名。官方文檔寫明Flash檔支持逾130種語言，Lite檔逾100種。

聲線體系從過去約30個預置音色擴到2000個以上可直接投產的聲音庫，幷包含墨西哥西班牙語、魁北克法語、蘇格蘭英語等區域變體。創作者可用自然語言描述角色、口音與聲線特徵從零生成新聲音；也可用約30秒授權樣本做聲音複製，默認落成項目內持久聲線，另提供無狀態密鑰。複製流程帶同意覈驗，輸出加SynthID水印和C2PA憑證。

雙人對話可在一次請求裏排演：爲兩個說話人分別綁定預置聲線，每句標註說話人和風格，模型按輪次生成自然接話。行級指令可寫cheerful、方言切換、停頓；內嵌標籤覆蓋laugh、sigh、gasp以及mhm、yeah一類附和。單次多說話人合成目前上限兩名，且自定義或複製聲線若要同場，需按輪單獨合成再拼接。音頻默認24千赫茲單聲道：完整請求回WAV，流式請求回無頭PCM。

評測口徑上，Flash TTS在Hume AI語音設計基準總分71.4、口音建模60.8，位列第一；Flash與Lite在總體質量指數分列第一、第二。Voice Arena盲測中，兩款模型在日語、巴西葡萄牙語、越南語、現代標準阿拉伯語、墨西哥西班牙語和印地語等語種進入前列。產品9月23日起在Gemini API與Google AI Studio上線，Notebook同步可用，企業接口稍後接入Gemini Enterprise。

市場機制上，這是把有聲內容生產從棚內配音和剪輯流水線，改寫成按次調用的生成接口。買方是有聲書、播客、遊戲對白、本地化配音和語音智能體團隊，買的是可指令化的表演控制而不是又一個朗讀腔。賣方谷歌用Flash收高保真創作溢價，用Lite收批量時長。資金從錄音棚工時和音色授權，流向API推理與可存儲聲線資產。受益方是已在Gemini生態裏做內容工具的開發者；承壓方是按條出售預置音色的傳統TTS廠商，以及仍靠多軌拼接做雙人播客的中間層工作室。

補充數據：長篇穩定性被寫成可跨數分鐘旁白保持音色、音量和房間感不漂移，部分材料稱節奏與音色可撐到數小時連續音頻。預置工作室聲線仍保留約30個精品名，如Kore、Puck，擴展庫通過voices接口按語言、性別、音高和場景檢索。自定義與複製聲線在項目中默認可存約一年。

來源：公開信息