Gemini 3.8 语音合成模型登场
内容提要
谷歌发布Gemini 3.8 Flash TTS与Flash-Lite TTS两款语音生成模型。前者支持用自然语言从零创建定制音色，逐行控制情感、节奏和口音，覆盖超100种语言；后者面向高并发、低成本场景。模型支持30秒样本复刻声音，并内置同意验证、SynthID水印等安全措施，已在AI Studio、Gemini API等平台上线。
延伸解读
两款模型定位差异
Gemini 3.8 Flash TTS 侧重深度创作与角色设计，支持从零创建音色并逐行控制表演；Flash-Lite TTS 则面向高并发、低成本场景，优化批量配音和语音代理。两者均提供对语气、节奏的细粒度控制，但 Flash 在定制能力上更全面，适合对表现力要求高的项目。
声音复刻与安全机制
模型支持仅用30秒音频样本复刻声音，但需通过同意验证：用户必须提供声音所有者的口头同意录音，且与参考说话人匹配。所有生成音频均嵌入 SynthID 水印，并附带 C2PA 凭证，以帮助检测AI生成内容、防止误用。这些措施旨在保护声音 talent 并提升透明度。
性能表现与语言覆盖
在 Hume AI 的评测中，Flash TTS 获得语音设计基准第一（71.4）和口音建模第一（60.8），两款模型分列整体质量指数前两名。盲测偏好评估显示，它们在日语、巴西葡萄牙语、越南语等关键语言中位居前列。模型覆盖超过100种语言和方言，包括墨西哥西班牙语、魁北克法语和苏格兰英语等区域变体。
可用平台与集成生态
开发者可通过 Gemini API 和 Google AI Studio 使用，企业版即将登陆 Gemini Enterprise。普通用户可在 Gemini Notebook 中体验 Flash TTS，在 Google Vids 中使用 Flash-Lite TTS。Agora、LiveKit、Pipecat、Vercel 等平台已支持部署，Figma、HeyGen 等公司正在集成，以加速全球配音和本地化媒体制作。
Q&A
Gemini 3.8 语音合成模型有哪些版本？它们分别面向什么场景？
Gemini 3.8 语音合成模型包括 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两个版本。Flash TTS 面向深度创意指导和角色设计，适合游戏、沉浸式有声书、播客和互动媒体；Flash-Lite TTS 面向高并发、低成本场景，适合大规模配音、音频内容创作和表达性语音代理。
Gemini 3.8 Flash TTS 如何创建自定义音色？
Gemini 3.8 Flash TTS 支持通过自然语言提示从零创建定制音色，可自定义角色、口音和声音特征，覆盖超过100种语言和方言。此外，还可以从30秒音频样本中复刻声音，并保存和管理自定义音色以确保项目中的一致性。
Gemini 3.8 TTS 模型在逐行控制表演方面有哪些功能？
两个 TTS 模型都支持逐行指导表演，可控制节奏、情感、方言转换和背景音。具体功能包括：编写舞台指示或使用自然脚本提示；长格式生成保持数小时音频的高质量和自然节奏；原生双人场景编排；以及通过非语言线索（如 <laughs>、<sigh>）和积极倾听的插话（如 |mhm|、|yeah|）添加真实的对话纹理。
Gemini 3.8 TTS 模型在安全性和透明度方面有哪些措施？
模型内置了同意验证、SynthID 水印和 C2PA 凭证等安全措施。对于声音复刻，用户必须提供声音所有者的口头同意录音，并与参考说话人匹配后才能创建声音。所有生成的音频片段都嵌入了 SynthID 不可感知水印，确保 AI 生成的语音可被检测，以防止 misinformation。
Gemini 3.8 TTS 模型在哪些平台上线？如何开始使用？
Gemini 3.8 Flash TTS 已在 Gemini API 和 Google AI Studio 上面向开发者推出，即将通过 API 在 Gemini Enterprise 上面向企业推出，并在 Gemini Notebook 中面向所有人推出。Gemini 3.8 Flash-Lite TTS 已在 Gemini API 和 Google AI Studio 上面向开发者推出，即将通过 API 在 Gemini Enterprise 上面向企业推出，并在 Google Vids 中面向所有人推出。开发者可以在 Google AI Studio 的音频游乐场中体验这些功能。
Gemini 3.8 TTS 模型在性能评测中表现如何？
Gemini 3.8 Flash TTS 在 Hume AI 的 Voice Design Benchmark 上获得总体第一（71.4分），并在口音建模上领先（60.8分）。Gemini 3.8 Flash TTS 和 Flash-Lite TTS 在 Hume AI 的 Overall Quality Index 上分别获得第一和第二名。在 Voice Arena 的盲测人类偏好评估中，这两款模型在日语、巴西葡萄牙语、越南语、现代标准阿拉伯语、墨西哥西班牙语和印地语等关键全球语言中均名列前茅。
