专题 · FULL STORY

Gemini 3.8 Flash TTS：从发布到登顶多语言榜

谷歌于9月23日推出Gemini 3.8 Flash TTS及Flash-Lite两款语音合成模型，支持30秒声音克隆。Artificial Analysis发布发音鲁棒性基准显示其登顶，随后披露定价为每百万字符约33美元，模型最终包揽七语言语音榜全部第一。

2026-09-22 ~ 2026-09-24 · 3 集 · 16 条

第 1 集 · Artificial Analysis 发布 TTS 发音鲁棒性基准，Gemini 3.8 Flash 以 89.5% 登顶(2026-09-22,12 条)

9 月 22 日，Artificial Analysis 发布全新的 TTS 发音鲁棒性（Pronunciation Robustness）基准，由人类评审标注英文片段（品牌、地名、多音词等）发音是否正确，共 454 句、701 个目标词，覆盖四类挑战：语境相关读音、缩写展开、精确序列保留与独立术语；同日上线整合偏好 Elo、速度、价格与发音指标的 TTS 模型横向对比页。9 月 23 日更新后，Gemini 3.8 Flash TTS 以 89.5% 登顶；9 月 24 日官方又补发该模型在语境恰当发音与缩写展开分类下的试听样例。

已确认

  • 首日榜单口径下 Gemini 3.1 Flash 以 88.1%（后更新为 88.2%）居首，在语境相关读音（96.4%）和缩写展开（84.4%）两个分项也领先，但缩写展开仅比 SpaceXAI TTS 高 0.1 个百分点
  • 9 月 23 日更新：Gemini 3.8 Flash TTS 以 89.5% 总分登顶，超过 Gemini 3.1 Flash TTS（88.2%）和 SpaceXAI TTS（87.6%）；Flash 系列之外的成绩构成后续更新的一部分，其定价为每百万字符 $32.98
  • 9 月 24 日 Artificial Analysis 补发 Gemini 3.8 Flash TTS 的示例音频，覆盖语境相关读音（如「St. Mary's is on Church St.」）与缩写展开（如「Median latency was 12 ms」）两类挑战
  • 价格维度：Gemini 3.1 Flash 每百万字符 $18.31；SpaceXAI TTS 定价 $15，是 80% 分以上最便宜的模型；Kokoro 仅 $0.65，为全场最便宜
  • 速度维度：SpaceXAI TTS 以每秒 106 字符达到 87.6%；Realtime TTS-2 Flash 速度 220 字符/秒但准确率仅 77.8%；Kokoro 最快但仅 55.5%
  • 分项中「精确序列保留」差距最大，各模型成绩从 5.3% 到 85.7% 不等
  • 偏好与发音并不同步：Sonic 3.6 在 Provider Voice Arena 拥有最高 Elo（1276），但发音鲁棒性仅 74.5%；Gemini 3.1 Flash 的 Elo 为 1201
  • 横评页面覆盖 95 个模型中的 27 个，偏好数据来自 Speech Arena 的用户投票
  • 该机构同日在 TTS 全榜页面发布的结果中，以 xAI 87.6% 的发音准确率居首，与首日公布的 Gemini 88.1% 榜单口径存在出入

尚未确认

  • 首日榜单、全榜页面与次日更新三份结果的第一名各不相同，各口径之间的评测范围与模型集合差异未经说明；Gemini 3.8 Flash TTS 的存在目前仅见于基准榜与示例音频，尚无官方发布信息

为什么重要

偏好类 Elo 榜只能反映「听感」，无法暴露读错缩写、专名等硬伤；发音鲁棒性基准为客服、有声书等对准确性敏感的场景提供了新的选型依据，结合价格与速度数据可直接做性价比权衡。

第 2 集 · Gemini 3.8 Flash TTS 定价与速度曝光:更贵但仍落后竞品(2026-09-23,2 条)

据 Artificial Analysis 披露,Gemini 3.8 Flash TTS 定价为每百万字符 32.98 美元,Flash-Lite 版为 2 美元档位,较上代反而更贵。速度方面,Flash TTS 处理速度为 44.1 字符/秒,Flash-Lite 为 40.2 字符/秒,分别约为实时的 2.7 倍和 2.4 倍,但两者仍落后于 Falcon 2 等更快的竞品,差距约七倍。

第 3 集 · Gemini 3.8 Flash TTS 包揽七语言语音榜全部第一(2026-09-24,2 条)

Google DeepMind 推出 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 两款语音合成模型，并已在 Merge Gateway 上线。在 Voice Arena TTS 榜单中，两款模型在全部七个语言分榜登顶，展现出跨语言的语音合成质量优势，进一步巩固 Google 在 TTS 领域的领先地位。