Google 发布 Gemini 3.8 Flash TTS 两款语音模型

Google 于本周发布两款文本转语音模型 Gemini 3.8 Flash TTS 与 Gemini 3.8 Flash-Lite TTS，官方称其为迄今最具表现力的音频生成模型，并在第三方 Hume 语音质量基准上分列第一、第二名。两款模型均已上线 Google AI Studio，声音克隆门槛降至 30 秒语音样本，显示 Google 在语音生成质量与易用性上对竞争对手形成直接压力。

已确认

• 模型定位：Flash TTS 面向创意生产场景，Flash-Lite TTS 面向效率与规模化、低成本大规模语音合成场景。
• 音色设计：可用文字/提示词设计自定义音色，包括独特口音（accent）与性格，可像操作模型一样用提示词导出声音。
• 精细控制：支持调节语气与节奏，如耳语、语速、情绪等。
• 声音克隆：只需 30 秒语音样本即可完成克隆。
• 对话能力：原生支持多人对话与插话、笑场等自然交互效果。
• 应用方向：语音设计、角色配音、配音翻译等，面向创作者、开发者与企业；开发者可在代码（如 Java）中集成官方 SDK 直接调用。

为什么重要

• 声音克隆门槛降至 30 秒样本，配合提示词化音色设计，大幅降低个性化语音内容生产成本，也可能加剧声音冒用相关的安全与合规讨论。
• 在第三方 Hume 基准上包揽前两名，表明 Google 在语音生成质量上对竞争对手构成直接竞争压力。

2026-09-24 ~ 2026-09-26 · 5 条相关

• DeepMind 发布 Gemini 3.8 TTS,原生支持多人对话与插话笑场 — kastnerkyle · 2026-09-24
• Google 推出 Gemini 3.8 Flash TTS：文本描述设计音色、克隆声音 — rseroter · 2026-09-25
• 【源头】Google AI Studio 发布 Gemini 3.8 Flash TTS,可像模型一样用提示词导声音 — CurieuxExplorer · 2026-09-25
• 【源头】Google 发布 Gemini 3.8 Flash TTS,30 秒语音即可克隆,霸榜 Hume 基准 — thursdai_pod · 2026-09-26
• 【源头】Google 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 两款语音模型 — CurieuxExplorer · 2026-09-26