Gemini 3.8 Text-to-Speech

Gemini 3.8 Text-to-Speech 是 Google 推出的两款富有表现力的音频模型，可将脚本转换为可定制语音，支持逐行指导、声音设计及内容、配音和语音代理对话生成。

概览

Gemini 3.8 Text-to-Speech 是 Google 推出的两款富有表现力的音频生成模型：Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS。它们可以将文本和脚本转换为经过指导的语音，通过基于提示的声音设计、详细的表现指令以及多说话人场景支持，突破固定声音预设的限制。

Flash TTS 面向创意声音和角色设计，而 Flash-Lite TTS 则定位于大批量配音、音频创作和富有表现力的语音代理。来源列出了 Google AI Studio、Gemini API、Gemini Enterprise、Gemini Notebook 和 Google Vids 作为这些模型的产品使用场景，但未提供详细的访问、定价或配额信息。

主要功能

基于提示的声音设计

Gemini 3.8 Flash TTS 支持通过提示指定角色、口音和其他声音特征，创建定制声音，覆盖 100 多种语言和方言。

丰富的声音库

来源介绍了一个包含 2,000 多种可用于生产的声音库，其中包括墨西哥西班牙语、魁北克法语和苏格兰英语等地区变体。

逐行语音表现控制

用户可以使用自然语言舞台指示逐行指导语速、情绪、方言变化、表达风格和对话式回应。

双说话人场景编排

脚本可以在同一场景中安排两位说话人，同时保持各自独特的声音和自然的对话轮替。

长篇生成

模型支持播客和有声书等较长音频的生成，并力求在数小时音频中保持自然语速和角色音色的一致性。

声音复制与来源证明工具

声音复制可以使用用户拥有或获准使用的声音样本，样本时长为 30 秒。来源还提到该流程中的同意验证、SynthID 水印和 C2PA 凭证。

使用场景

角色声音和互动媒体
通过提示设计具有固定声音特征的常驻角色或旁白，然后为戏剧场景、游戏或沉浸式叙事逐句指导台词。
有声书和播客
为有声书和播客制作具有可控语速和一致角色音色的长篇语音内容。
配音和内容本地化
利用 Flash-Lite 模型在配音和富有表现力的音频制作方面的定位，创建本地化或大批量语音内容。
语音代理
构建使用语调、语速、应答式语气和对话反应来提升语音互动表现力的语音代理。
双人对话场景
编写包含两位不同说话人的多轮脚本，并控制他们在叙事或播客风格场景中的交接和反应。

Pros and Cons

Pros

支持通过自然语言提示创建自定义声音，包括角色、口音和声音特征。
提供对语速、情绪、非语言提示和对话式应答等方面的详细脚本控制。
支持双说话人场景编排和长篇生成，适用于较长的叙事音频。
提供广泛的声音库和覆盖 100 多种语言及方言的语言支持。
介绍了声音复制流程中的同意验证、SynthID 水印和 C2PA 凭证。

Cons

来源未说明定价、配额、输出格式、延迟或详细的可用性要求。
声音混 remix——微调现有声音库中声音的音色、音高、语速或口音——被列为即将推出的功能，而非普遍可用功能。
声音复制只能使用用户拥有或获准使用的样本；来源未提供进一步的操作或法律指导。

FAQ

Gemini 3.8 Text-to-Speech 是什么？

该产品包含两款模型：Gemini 3.8 Flash TTS 用于更深入的创意指导和自定义角色声音，Gemini 3.8 Flash-Lite TTS 用于大批量、高成本效益的生成。两者都支持逐行指导语音表现。

这些模型可以在哪里使用？

来源列出了 Google AI Studio、Gemini API、Gemini Enterprise、Gemini Notebook 和 Google Vids 作为可使用这些模型的平台。来源未提供具体的可用性、账户要求和区域限制信息。

用户可以创建或复制声音吗？

可以。Flash TTS 支持通过自然语言提示设计声音，来源还介绍了使用用户拥有或获准使用的声音样本（时长 30 秒）进行声音复制。声音复制流程包括同意验证、SynthID 水印和 C2PA 凭证。

如何指导生成的语音？

用户可以通过舞台指示和脚本提示逐行指导语音表现，包括语速、情绪、方言变化、声音爆发和应答式语气。模型还支持原生双说话人场景编排，以及在较长音频中保持声音一致性的长篇生成。

Quick Facts

产品类型: 文本转语音和富有表现力的音频生成模型
模型: Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS
主要用户: 创作者、开发者和企业
语言覆盖范围: 100 多种语言和方言
列出的产品使用场景: Google AI Studio、Gemini API、Gemini Enterprise、Gemini Notebook 和 Google Vids
来源域名: blog.google