谷歌发布TTS模型 Gemini 3.8 Flash / Flash-Lite ：动态语音创意工作室，支持自然语言创声与逐行表演指导

谷歌今天发布两款全新文本转语音模型 Gemini 3.8 Flash TTS 与 Gemini 3.8 Flash-Lite TTS，将语音生成从固定预设音色升级为动态声音创意工作台，赋能创作者、开发者与企业制作表现力更强的音频内容，同步为 Gemini Notebook、Google Vids 等产品升级音频体验。

两个模型定位区分

• Gemini 3.8 Flash TTS：面向深度创意创作与角色配音。依靠自然语言提示词从零生成全新音色，适合游戏角色、有声书、播客、交互式媒体。支持逐行调控表演细节，自由调整语气节奏、切换方言，实现精细化演绎。
• Gemini 3.8 Flash-Lite TTS：主打高并发、低成本规模化部署，面向大批量配音内容、语音智能体场景，同样支持音调、节奏、表达细节的精细调节。

两款模型属于Gemini Audio产品家族，接续此前推出的3.5实时翻译、语音转写、3.8 Live等音频能力。

核心声音自定义能力

音色库从原有30种基础音色扩充至海量自定义空间：

1. 生成式音色设计：在100多种语言及方言内，用提示词定义口音、声线特质，直接创造原创角色声音，覆盖戏剧角色、故事旁白等场景，支持墨西哥西语、魁北克法语、苏格兰英语等地区变体。
2. 2000+现成生产级音色，覆盖全球多语种。
3. 声音复刻：仅需30秒合法音频样本，即可生成稳定音色配置；内置同意核验、SynthID音频水印、C2PA凭证，保护人声版权。
4. 音色持久保存：自定义声音可保存复用，长期项目保持音色稳定，减少音色漂移。
5. 音色混音（即将上线）：基于现有音色微调音色、音高、节奏、口音，使用提示词修改声线风格。

脚本与演绎控制能力

两个模型都支持逐行调控台词表现：

• 可编写舞台提示词，自由塑造不同风格的朗读效果，从客服语音到悬疑低语。
• 长音频生成，数小时连续内容依旧保持音色稳定，适合播客、长篇有声书。
• 原生双说话人对话编排，单份脚本自动处理两人多轮对话，区分声线，模拟自然交替对话。
• 支持非语言副语言标记，如<laughs>、<sigh>、|mhm|，加入笑声、叹息、附和语气，还原真实对话细节。

评测成绩

Gemini 3.8 Flash TTS 在Hume AI Voice Design Benchmark综合排名第一，口音建模单项领先；在Hume AI整体质量指数中，Flash TTS、Flash-Lite TTS分别拿下第1、第2。

Voice Arena盲测人类偏好评估中，在日语、巴西葡语、越南语、阿拉伯语、墨西哥西班牙语、印地语等主流语种里，两款模型均位居前列。对比Gemini 3.1 Flash TTS，长音频、双人剧本控制能力提升显著。

安全机制

声音复刻功能强制核验人声所有者授权。所有AI生成音频嵌入SynthID不可感知水印，便于溯源识别AI语音，防范虚假信息。

接入方式与生态整合

💡 AI Studio 音频游乐场：提供声音设计工作区，支持提示词创建声音 → 复制 → 双说话人剧本编辑全流程体验。