Google Gemini 3.8 Flash 與 Flash‑Lite TTS 發布：表現力強且可擴展的語音生成

Gemini 3.8 Flash 與 Flash‑Lite TTS 提升了表現力強且可擴展語音生成的標準

Google 於 2026 年 9 月 23 日宣布推出 Gemini 3.8 Flash TTS 與 Gemini 3.8 Flash‑Lite TTS，將其定位為 Gemini 家族中最具表現力的音訊生成模型。這些模型讓開發者能夠建立自訂角色語音、從 30 秒樣本中複製現有語音，並逐行控制語音傳遞，同時支援高流量、具成本效益的使用場景。

開箱即用的核心功能

Flash TTS 專注於深度的創意控制。 使用者可以使用自然語言提示詞設計全新的語音，指定口音、方言、語速和背景語氣提示，並在長達數小時的音訊中生成多說話者場景，且不會出現說話者漂移的問題。

Flash‑Lite TTS 針對規模化進行了優化。 該模型專為大量配音和語音代理設計，以更低的成本提供同樣細膩的語氣和語速控制。

這兩款模型皆支援：

超過 2,000 種生產級語音，涵蓋 100 多種語言及區域變體（例如：墨西哥西班牙語、魁北克法語、蘇格蘭英語）。
從 30 秒經同意的樣本中進行語音複製，並內建 SynthID 浮水印與 C2PA 憑證。
直接的腳本提示，例如 <laughs>、<sigh> 以及背景語氣標記（|mhm|、|yeah|）。
長篇生成，可在數小時的內容中保持音色一致。

基準測試效能驗證了「最具表現力」的說法

Google 引用了 Hume AI 的語音設計基準測試（Voice Design Benchmark），其中 Gemini 3.8 Flash TTS 獲得了 71.4 分（總排名第一），在口音建模方面獲得 60.8 分，超越了先前的 Gemini 3.1 Flash TTS。同一基準測試將 Flash‑Lite TTS 的整體品質評為 第二名。Voice Arena 上的使用者偏好測試也將這兩款模型在多種全球語言中評為頂尖，包括日語、巴西葡萄牙語、越南語、現代標準阿拉伯語、墨西哥西班牙語和印地語。

信任、同意與浮水印已整合至流程中

語音複製需要一段與參考說話者相符的口頭同意錄音；同意音訊僅用於驗證，不會用於模型訓練。每個生成的片段都帶有不可察覺的 SynthID 浮水印，能夠在後續檢測 AI 生成的語音，並有助於減輕錯誤資訊的傳播。

Google AI 生態系統中的可用性

平台	Flash TTS	Flash‑Lite TTS
Google AI Studio (音訊遊樂場)	✅	✅
Gemini API (開發者)	✅	✅
Gemini Enterprise (企業 API)	即將推出	即將推出
Gemini Notebook (消費者)	✅	✅
Google Vids (消費者影片工具)	✅	✅

合作夥伴整合包括 Agora、LiveKit、Pipecat、Vercel、Figma、HeyGen、Linguana、Wondercraft、99.co 和 Ollang，實現了配音、在地化媒體和對話代理的快速部署。

Hacker News 上的社群反應

對齊疑慮： 使用者指出消費者、專業消費者和雲端平台之間的功能集不一致，導致不清楚哪些功能是普遍可用的。（評論者 @rcr‑anti）
對語音複製的接受度： 同意驗證和浮水印的存在被視為 Google 對發布語音複製功能感到放心的跡象，這是一項先前被許多供應商保留的功能。（評論者 @simonw）
控制與品質的權衡： 幾位評論者讚賞腳本音訊的細緻逐行控制，而其他人則觀察到生成的語音仍然缺乏人類語音的細微差別。（評論者 @Multicomp, @AyanamiKaine）
成本與定價不透明： 使用者報告缺乏定價資訊以及語音複製的區域限制，顯示該發布可能需要更清晰的文件。（評論者 @nater5000）
比較效能： 早期採用者報告稱 Flash TTS 在表現力上與 ElevenLabs v3 持平或超越，且每次呼叫成本極低（< $0.01）。（評論者 @ttul）
開源替代方案： 一些參與者詢問關於本地執行模型的問題，突顯了對無需雲端依賴即可執行的輕量級 TTS 解決方案的需求。（評論者 @Thaxll）

嘗試 Gemini 3.8 TTS 的實用步驟

開啟 Google AI Studio，網址為 https://aistudio.google.com/generate-speech?model=gemini-3.8-flash-tts。
從庫中選擇基礎語音或開始一個 語音設計 提示（例如：「建立一個帶有美國南部口音的魅力敘述者」）。
可選擇上傳 30 秒的同意樣本以複製特定語音。
使用雙說話者劇本編輯器添加舞台指示（<laughs>、<sigh>）並生成音訊。
匯出結果或呼叫 Gemini API 進行程式化整合。

展望

Gemini 3.8 Flash 與 Flash‑Lite TTS 代表了邁向全功能音訊工作室的重要一步，該工作室可透過 UI、API 和企業平台存取。它們在基準測試中的領先地位、廣泛的語言覆蓋範圍以及內建的安全機制，解決了許多減緩早期 TTS 推出的疑慮。然而，社群對平台一致性、定價透明度和區域可用性的回饋表明，Google 的推廣仍需持續改進，才能實現無縫的全球採用。