Google Gemini 3.8 Flash 和 Flash‑Lite TTS 发布：富有表现力且可扩展的语音生成

Gemini 3.8 Flash 和 Flash‑Lite TTS 提高了富有表现力、可扩展语音生成的标准

Google 于 2026 年 9 月 23 日宣布推出 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash‑Lite TTS，将其定位为 Gemini 系列中最具表现力的音频生成模型。这些模型使开发人员能够创建自定义角色语音，通过 30 秒的样本复制现有语音，并逐行控制语音表达，同时支持高容量、高性价比的使用场景。

开箱即用的核心功能

Flash TTS 专注于深度创意控制。 用户可以使用自然语言提示设计全新的语音，指定口音、方言、语速和背景反馈提示，并生成多说话人场景，且在数小时的音频中不会出现说话人漂移。

Flash‑Lite TTS 专注于规模化。 该模型针对批量配音和语音代理进行了优化，以更低的成本提供相同的精细音调和语速控制。

两种模型均支持：

超过 2,000 种生产就绪的语音，涵盖 100 多种语言和区域变体（例如：墨西哥西班牙语、魁北克法语、苏格兰英语）。
通过 30 秒的授权样本进行语音复制，并内置 SynthID 水印和 C2PA 凭据。
直接脚本提示，例如 <laughs>、<sigh> 和背景反馈标记（|mhm|、|yeah|）。
长文本生成，可在数小时的内容中保持音色一致。

基准测试性能验证了“最具表现力”的说法

Google 引用了 Hume AI 的语音设计基准测试，其中 Gemini 3.8 Flash TTS 得分为 71.4（总排名第一），在口音建模方面得分为 60.8，优于之前的 Gemini 3.1 Flash TTS。同一基准测试将 Flash‑Lite TTS 的整体质量排在 #2。Voice Arena 上的用户偏好测试也将这两种模型在多种全球语言中排在首位，包括日语、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。

信任、同意和水印已内置于流程中

语音复制需要与参考说话人匹配的口头同意录音；同意音频仅用于验证，不用于模型训练。每个生成的剪辑都带有不可见的 SynthID 水印，从而能够对 AI 生成的语音进行下游检测，并有助于减轻错误信息的影响。

Google AI 生态系统中的可用性

平台	Flash TTS	Flash‑Lite TTS
Google AI Studio (音频游乐场)	✅	✅
Gemini API (开发人员)	✅	✅
Gemini Enterprise (企业 API)	即将推出	即将推出
Gemini Notebook (消费者)	✅	✅
Google Vids (消费者视频工具)	✅	✅

合作伙伴集成包括 Agora、LiveKit、Pipecat、Vercel、Figma、HeyGen、Linguana、Wondercraft、99.co 和 Ollang，支持快速部署配音、本地化媒体和对话代理。

Hacker News 上的社区反应

对齐担忧： 用户指出消费者、准专业和云平台之间的功能集不一致，导致不清楚哪些功能是普遍可用的。（评论来自 @rcr‑anti）
语音克隆的接受度： 同意验证和水印的存在被视为 Google 对发布语音复制功能感到放心的标志，此前许多提供商都保留了这一功能。（评论来自 @simonw）
控制与质量的权衡： 一些评论者赞赏脚本音频的逐行精细控制，而另一些人则观察到生成的语音仍然缺乏人类语音的微妙之处。（评论来自 @Multicomp, @AyanamiKaine）
成本和定价不透明： 用户报告缺少定价信息和语音复制的区域限制，表明发布可能需要更清晰的文档。（评论来自 @nater5000）
对比性能： 早期采用者报告称，Flash TTS 在表现力上与 ElevenLabs v3 持平或超过，且单次调用成本较低（< $0.01）。（评论来自 @ttul）
开源替代方案： 一些参与者询问本地运行的模型，突显了对无需云依赖即可运行的轻量级 TTS 解决方案的需求。（评论来自 @Thaxll）

尝试 Gemini 3.8 TTS 的实用步骤

打开 Google AI Studio，网址为 https://aistudio.google.com/generate-speech?model=gemini-3.8-flash-tts。
从库中选择基础语音或开始一个 Voice Design 提示（例如：“创建一个带有美国南部口音的魅力叙述者”）。
可选：上传 30 秒的同意样本以复制特定语音。
使用双说话人剧本编辑器添加舞台指导（<laughs>、<sigh>）并生成音频。
导出结果或调用 Gemini API 进行程序化集成。

展望

Gemini 3.8 Flash 和 Flash‑Lite TTS 代表了向功能齐全的音频工作室迈出的重要一步，该工作室可以通过 UI、API 和企业平台访问。它们在基准测试中的领先地位、广泛的语言覆盖范围和内置的安全机制解决了许多减缓早期 TTS 发布的问题。然而，社区对平台一致性、定价透明度和区域可用性的反馈表明，Google 的发布需要持续改进才能实现无缝的全球采用。