谷歌推出 Gemini 3.8 Flash / Flash-Lite 文本轉語音模型，每一行臺詞都能精確控制

作者：小泵 責編：小泵 評論： 9 月 23 日消息，谷歌今日宣佈，Gemini 家族新增兩款全新文本轉語音模型，將語音生成從靜態預設轉變為動態創意工作室，能夠幫助創作者、開發者和企業打造更豐富、更具表現力的音頻體驗，同時為 Gemini Notebook 和 Google Vids 等產品改進用戶體驗。兩款新模型分別為 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS，定位各有不同：Gemini 3.

8 Flash TTS：面向深度創意方向和角色設計，可通過自然語言提示從頭創建全新語音，在遊戲、沉浸式有聲讀物、播客和互動媒體中賦予角色生命力，還可對錶演提示、節奏、方言轉換等進行精細控制。Gemini 3.8 Flash-Lite TTS：面向大容量、高性價比規模場景，針對大容量配音、音頻內容創作和富有表現力的語音代理進行了優化，可對音調、節奏和表現力細微差別進行精細控制。據瞭解，用戶可以從原有 30 種原始語音擴展到無限語音庫。該模型的具體功能包括：生成式語音設計：可通過自然語言提示，在 100 多種語言和方言中自定義角色、口音和語音特徵，從頭創建定製語音。

擴展語音庫：可訪問 2000 多種現成語音，覆蓋廣泛語言，包括墨西哥西班牙語、魁北克法語、蘇格蘭英語等區域變體。語音複製：僅需 30 秒音頻樣本即可重現一致的聲音特徵，並內置同意驗證、SynthID 水印和 C2PA 憑據，保護開發者和聲音人才。保存與擴展：可保存和管理自定義語音，確保在持續項目中保持一致性能，最小化漂移。語音混音：即將推出，用戶可從語音庫中選擇一種語音，對音色、音高、節奏和口音進行微調，還可使用提示調整特徵。

選好聲音後，兩款 TTS 模型都能讓用戶精確控制每一行臺詞的演繹方式：逐行指導表演：用戶可以編寫自己的舞臺指導，或讓 Gemini 通過自然腳本提示引導交付，無論是平靜的客服還是低聲的懸疑場景，都能實現。長篇生成：在數小時的連續音頻中保持高語音質量、自然節奏和角色音色，揚聲器漂移極小，非常適合播客和有聲讀物。原生雙聲音場景編排：可從單個腳本中無縫指導多輪對話，同時保持兩種聲音清晰分離，實現自然的對話輪換。腳本化聲音爆發和背景反饋：可添加非語言提示（如 、、）和主動傾聽插入語（如 mhm 或 yeah），實現精確的喜劇時機和反應節奏，增添逼真的對話質感。性能方面，Gemini 3.

8 Flash TTS 在 Hume AI 的語音設計基準測試中（71.4 分）位居總體第一，在口音建模方面（60.8 分）也處於領先地位。Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 能夠在不犧牲可靠性的情況下實現真正富有表現力的性能，在 Hume AI 的整體質量指數中分別佔據第一和第二的位置，與 Gemini 3.1 Flash TTS 相比，在長格式內容和雙揚聲器劇本控制等廣泛用例中都有重大改進。在 Voice Arena 的盲法人類偏好評估中，Gemini 3.

8 Flash 和 Flash-Lite TTS 在全球主要語言（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）競爭對手中佔據領先地位。憑藉對 100 多種語言的支持，這些模型能夠幫助創作者、開發者和企業在全球範圍內打造高質量的多語言語音體驗。谷歌在語音創建和複製功能中內置了嚴格的保護措施，以幫助保護語音人才、尊重身份並確保內容透明度。對於語音複製，系統會利用同意驗證：用戶必須提供來自語音所有者的口頭同意記錄，與參考說話者匹配後才能創建語音。

Gemini Audio 模型生成的每個音頻片段都帶有 SynthID 水印且難以察覺，並被直接編織到音頻輸出中，確保可以檢測到 AI 生成的語音，幫助防止錯誤信息。即日起，開發者就可以在 Google AI Studio 中體驗這些新的語音生成功能。用戶可以通過提示從頭開始創建全新的聲音身份，或者複製自己的聲音，然後將它們直接帶入雙揚聲器劇本編輯器，逐行指導交付。兩款模型均已向開發者推送，可在 Gemini API 和 Google AI Studio 中使用；面向企業用戶，很快將通過 Gemini Enterprise 中的 API 推出；面向所有用戶，Gemini 3.

8 Flash TTS 可在 Gemini Notebook 中使用，Gemini 3.8 Flash-Lite TTS 可在 Google Vids 中使用。需要注意的是，通過 AI Studio 進行的語音複製在伊利諾伊州、德克薩斯州、歐洲經濟區、英國、瑞士和印度不可用。

投訴水文 我要糾錯 下載APP，簽到賺金幣兌豪禮 相關文章關鍵詞：谷歌，Gemini，語音克隆，文本轉語音，TTS谷歌首次公開 Gemini 越獄事件：在測試中自主入侵三家真實公司且自行終止，已通知涉事企業谷歌最強數學推理 AI 模型曝光：100 萬詞元上下文，專攻數學難題谷歌最強 AI 模型：Gemini 4 Pro 開測，SVG 生圖表現驚豔谷歌為 Win10/11 推出 Gemini 獨立客戶端，支持“Alt + Space”快捷鍵快捷喚起DeepMind 工程師反駁“谷歌搞不出前沿模型”：Gemini 3.

8 Cyber 已在多項測試中優於 Mythos谷歌終於向免費用戶開放 Gemini 每日簡報，無需訂閱