跳到正文
Google DeepMind·· 2026-09-23精選AI 評分72

Google DeepMind 推出 Gemini 3.8 Flash TTS 與 Gemini 3.8 Flash-Lite TTS

Gemini 3.8 text-to-speech says hello

AI 導讀

Google DeepMind 推出 Gemini 3.8 Flash TTS 與 Gemini 3.8 Flash-Lite TTS,支援自訂聲線、逐句控制表演及雙人對話生成。

推薦理由

兩款 TTS 模型涵蓋逐句演繹與長篇生成,Flash TTS 另可自訂聲線;聲音複製設有同意驗證,生成音訊加入 SynthID 水印,呈現創作控制與防護安排。

正文 · 繁體中文

2026 年 9 月 23 日

|

Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 是我們至今表現力最豐富的音訊生成模型。你可在 Google AI Studio、Gemini API、Gemini Enterprise、Gemini Notebook 和 Google Vids 上,生成自訂角色聲線並為場景對白進行配音。


Leland Rechis

產品羣組經理

Alan Cowen

代表 Gemini Audio 團隊的研究科學總監


a text card image reading "Introducing Gemini 3.8 Flash TTS and 3.8 Flash-Lite TTS"

今天,我們為 Gemini 系列推出兩款全新的文字轉語音模型,把語音生成由固定預設選項轉變為動態創作工作室。創作者、開發者和企業可用這些模型打造更豐富、更具表現力的音訊體驗,同時提升 Gemini Notebook 和Google Vids等產品的使用體驗。

  • Gemini 3.8 Flash TTS:專為深入創意指導和角色設計而設。使用自然語言提示,從零創作全新聲線,讓角色活現於遊戲、沉浸式有聲書、Podcast 和互動媒體之中。你可逐句指導演繹,精細控制表演提示、節奏、方言轉換和應答式語氣。
  • Gemini 3.8 Flash-Lite TTS:專為高用量、具成本效益的大規模使用而設。針對大量配音、音訊內容創作和表達豐富的語音代理最佳化,並可細緻控制語氣、節奏和表達細節。

這些模型進一步擴展迅速成長的 Gemini Audio 系列,繼 3.5 Live Translate、3.5 Transcribe,以及 3.8 Live 和 3.8 Live Extended Thinking之後推出。

創作並自訂專屬聲線

從 30 款原創聲線擴展至無限聲線庫。無論你需要完全原創的角色聲線,還是風格一致的品牌代言人,3.8 Flash TTS 模型都能提供完整聲音工作室體驗。你可為各種場景創作和使用富表現力、自然動聽的聲線,開發者和企業亦可輕鬆建構自訂音訊體驗。

  • 生成式聲線設計:使用 Gemini 3.8 Flash TTS,透過自然語言提示,從零自訂角色、口音和聲線特徵,以創作超過 100 種語言和方言的專屬聲線。無論是令噴火巨龍活靈活現,還是打造節奏鮮明、帶有地域特色的魅力旁白,都能實現。
  • 豐富聲線庫:取得超過 2,000 款可直接投入製作的聲線,涵蓋多種語言,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。
  • 聲線複製:只需一段 30 秒的音訊樣本,即可複製你或你獲授權使用的聲線,建立一致的聲音特徵。系統內置同意驗證、SynthID 水印和 C2PA 憑證,保障開發者及聲音人才。
  • 儲存並擴展:儲存和管理你設計的自訂聲線,確保不同專案的表現一致,並盡量減少聲線漂移。
  • 混音自訂聲線:即將推出。從聲線庫挑選一款聲線,再微調音色、音高、語速和口音。使用提示指定聲線特徵(例如「加入輕微美國南方口音」或「令語氣更柔和」)。

逐句指導演繹

選好聲線後,兩款 TTS 模型都能讓你精準控制每句對白的演繹方式。

  • 逐句指導演繹:你可以自行撰寫舞台指示,或讓 Gemini 根據自然的劇本提示指導演出,從平靜的客戶服務專員,到低聲講述的懸疑場景,都可掌控。
  • 長篇生成:連續生成數小時音訊,仍可維持高音質、自然節奏和角色音色,並將説話者漂移減至最低,適合製作 Podcast 和有聲書。
  • 原生雙説話者場景編排:只需一份劇本,即可流暢指導多輪對話,無論用於 Podcast 或戲劇敍事都適合;同時保持兩種聲線清晰區分,並呈現自然輪流交談的效果。
  • 劇本式語音短促聲效及應答:使用非語言提示(例如 <laughs>、<sigh>、<gasp>)和積極聆聽時的插話(例如 |mhm| 或 |yeah|),加入逼真的對話質感,精準掌控喜劇節奏和反應拍子。

為全球規模打造表達力豐富的高品質語音生成

Gemini 3.8 Flash TTS 在聲線自訂能力方面領先,在 Hume AI Voice Design Benchmark 總排名 #1(71.4),口音建模亦表現領先(60.8)。

Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 能實現真正富表現力的演繹,同時保持可靠性,並在 Hume AI Overall Quality Index 分別排名 #1 和 #2。與 Gemini 3.1 Flash TTS 相比,模型在長篇內容和雙説話者劇本控制等多種使用場景均大幅改進。

在 Voice Arena進行的盲測人類偏好評估中,Gemini 3.8 Flash 和 Flash-Lite TTS 在日語、巴西葡萄牙語、越南語、現代標準阿拉伯語(MSA)、墨西哥西班牙語和印地語等主要全球語言上,均名列競爭模型前列。模型支援超過 100 種語言,讓創作者、開發者和企業能在全球打造高品質多語言語音體驗。

An evaluation showing text-to-speech quality benchmark Hume AI

an evaluation chart showing text to speech voice design leaderboard Hume AI

an evaluation chart showing text to speech leaderboard for Voice Arena

以信任、同意和透明度為本

我們在設計聲線創作和複製功能時加入嚴格防護措施,保障聲音人才、尊重個人身分,並確保內容透明。進行聲線複製時,系統會驗證同意;使用者必須提供聲線擁有人親自錄製的口頭同意錄音,而且錄音聲線須與參考説話者相符,之後才能建立聲線。

此外,Gemini Audio 模型生成的每段音訊都會加上 SynthID 水印。這種肉眼無法察覺的水印會直接融入音訊輸出,確保 AI 生成語音仍可被偵測,以協助防止錯誤資訊。安全與責任方針詳情請參閲模型卡。

試用全新的 Google AI Studio 音訊 Playground

由今天起,開發者可體驗這些全新的語音生成能力,並在 Google AI Studio使用。這個工作區專為聲線設計而建,你可以從零提示生成全新聲音身分,或複製自己的聲線1,然後直接在雙説話者劇本編輯器中,逐句指導演繹。

在 Google AI Studio 試用聲線複製。

輕鬆部署高效能語音介面

使用 Gemini API 後,開發者平台 Agora、LiveKit、Pipecat 和 Vercel可讓開發者輕鬆建構和部署高效能語音生成體驗。

我們正與 Figma、HeyGen、Linguana、Wondercraft、99.co 和 Ollang 等公司合作。他們正整合我們最新的 TTS 模型,協助加快全球配音、以細膩的地區口音本地化媒體,並大規模支援對話式語音代理。

a quote from Darius Cheung, CEO and Co-Founder of 99 Group

a quote from Mason Adams, Developer Evangelist, Agora

a quote from Jonathan Gur-Zeev, Director of Product, Figma Weave

a quote from Bin Liu, VP of Engineering for Hygen

a quote card from Luke Pane, Developer, katsuyo

quote from Ritwik Baranwal, Associate Director AI/ML of kuku.

a quote from Oded Shafran, Co-Founder & CTO of linguana

Aziz Ulak, CTO & Co-founder, Ollang

a quote from Phil Marshall, Founder and CEO of Spoken

quote from Zina Rahman, Co-Founder and CEO, Transforms.AI

quote from Mei Ki Yiu, CTO of Wondercraft

立即開始使用最新 Gemini Audio 模型:

Gemini 3.8 Flash TTS 今日起陸續推出:

Gemini 3.8 Flash-Lite TTS 今日起陸續推出:

收取 Google 最新消息

訂閲電子通訊,取得產品更新、活動資訊、特別優惠等消息。

你的資料將按照Google 私隱政策使用。你可隨時選擇退出。

來源:Google DeepMind · deepmind.google