Gemini 3.8 Text-to-Speech

Gemini 3.8 Text-to-Speech 是 Google 的雙模型語音生成工具，可將腳本轉為可自訂語音；支援逐行指導、角色對話，適用內容製作、配音與語音代理應用。

概述

Gemini 3.8 Text-to-Speech 是 Google 推出的兩款具表現力的音訊生成模型：Gemini 3.8 Flash TTS 與 Gemini 3.8 Flash-Lite TTS。它們可將文字與腳本轉為可引導的語音，透過基於提示的語音設計、詳細的表演指示及多說話者場景支援，突破固定語音預設的限制。

Flash TTS 適合創意語音與角色設計，而 Flash-Lite TTS 則定位於大量配音、音訊創作與具表現力的語音代理。來源列出 Google AI Studio、Gemini API、Gemini Enterprise、Gemini Notebook 和 Google Vids，作為這些模型的產品環境，但未提供詳細的存取、定價或配額資訊。

主要功能

以提示設計語音

Gemini 3.8 Flash TTS 可透過提示指定角色、口音及其他聲音特徵，在超過 100 種語言與方言中建立量身打造的語音。

大型語音庫

來源描述了一個包含超過 2,000 種可直接用於製作之語音的語音庫，其中包括墨西哥西班牙語、魁北克法語和蘇格蘭英語等地區變體。

逐行語音表現控制

使用者可以使用自然語言舞台指示，逐行引導語速、情緒、方言轉換、表達風格與對話反應。

雙人場景編排

腳本可在單一場景中安排兩位說話者，同時維持各自不同的聲音與自然的對話輪替。

長篇生成

這些模型支援 Podcast 與有聲書的延伸音訊生成，具備自然語速；在數小時的音訊中，角色音色也預期能維持一致。

語音複製與來源驗證工具

語音複製可使用使用者擁有或獲得使用權之語音的 30 秒樣本。來源也提到此工作流程中的同意驗證、SynthID 浮水印與 C2PA 憑證。

使用情境

角色語音與互動媒體
透過提示設計具備特定聲音識別的固定角色或旁白，再逐句引導戲劇場景、遊戲或沉浸式敘事中的個別台詞。
有聲書與 Podcast
以受控的語速與一致的角色音色，製作有聲書與 Podcast 等長篇語音內容。
配音與內容在地化
運用 Flash-Lite 模型在配音與具表現力音訊製作方面的定位，建立在地化或大量語音內容。
語音代理
建立運用語氣、語速、應答語與對話反應，讓語音互動更具表現力的語音代理。
雙人對話場景
撰寫包含兩位不同說話者的多輪腳本，並控制他們在敘事或 Podcast 風格場景中的接話與反應。

Pros and Cons

Pros

支援透過自然語言提示建立自訂語音，包括角色、口音與聲音特徵。
提供詳細的腳本控制，可調整語速、情緒、非語音提示與對話應答。
提供雙人場景編排與長篇生成，適合延伸敘事音訊。
具備廣泛的語音庫，涵蓋超過 100 種語言與方言。
說明語音複製工作流程中的同意驗證、SynthID 浮水印與 C2PA 憑證。

Cons

來源未說明定價、配額、輸出格式、延遲或詳細的可用性要求。
語音混音——微調現有語音庫語音的音色、音高、語速或口音——目前標示為即將推出，而非普遍可用。
語音複製僅應使用使用者擁有或獲得使用許可的樣本；來源未提供進一步的操作或法律指引。

FAQ

什麼是 Gemini 3.8 Text-to-Speech？

此產品包含兩個模型：Gemini 3.8 Flash TTS 可提供更深入的創意指導與自訂角色語音，而 Gemini 3.8 Flash-Lite TTS 則適合大量且具成本效益的生成。兩者皆支援逐行指導語音表現。

這些模型可以在哪裡使用？

來源列出 Google AI Studio、Gemini API、Gemini Enterprise、Gemini Notebook 和 Google Vids，作為可使用這些模型的產品環境。來源未提供具體的可用性、帳戶要求與地區限制。

使用者可以建立或複製語音嗎？

可以。Flash TTS 可根據自然語言提示設計語音；來源也說明，語音複製可使用使用者擁有或獲得使用許可之語音的 30 秒樣本。語音複製流程包含同意驗證、SynthID 浮水印與 C2PA 憑證。

如何引導生成的語音？

使用者可以透過逐行的舞台指示與腳本提示來引導語音表現，包括語速、情緒、方言變化、聲音爆發與應答語。這些模型也支援原生雙人場景編排，以及在長篇音訊中維持語音一致性的長篇生成。

Quick Facts

產品類型: 文字轉語音與具表現力的音訊生成模型
模型: Gemini 3.8 Flash TTS 與 Gemini 3.8 Flash-Lite TTS
主要使用者: 創作者、開發者與企業
語言涵蓋範圍: 超過 100 種語言與方言
列出的產品環境: Google AI Studio、Gemini API、Gemini Enterprise、Gemini Notebook 和 Google Vids
來源網域: blog.google