Gemini 3.8文字转语音问世
2026年9月23日，谷歌发布Gemini 3.8 Flash TTS和Flash-Lite TTS，可通过文字提示创建自定义声音，并逐行控制表达方式。Flash面向游戏和有声书等创意项目，Flash-Lite则适合配音和语音智能体等大批量、低成本场景。
文章要点
Google 于2026年9月23日发布两款文本转语音模型。Gemini 3.8 Flash TTS 面向创意指导和角色设计，可根据自然语言描述创建声音，支持100多种语言和方言。Gemini 3.8 Flash-Lite TTS 面向配音和语音代理等大批量、低成本场景。
功能包括2000多种声音的库、通过30秒样本复制声音（需录制口头同意）、保存自定义声音、逐行表演指导、长篇生成以及双人场景；声音混音标注为即将推出。Google 称 Flash TTS 在 Hume AI 的 Voice Design Benchmark 中排名第一（71.4）。所有音频都带有 SynthID 水印。Flash TTS 可在 Gemini API、AI Studio 和 Gemini Notebook 使用，Flash-Lite TTS 可在 Gemini API、AI Studio 和 Google Vids 使用；声音复制在包括欧洲经济区和英国在内的多个地区不可用。
本摘要由 AnnuIA 根据 Google DeepMind 官方页面用自己的话撰写。内容及版权归发布方所有，请阅读原文。