Google发布Gemini 3.8 Flash TTS语音合成模型

Gemini 3.8 Flash TTS和Flash-Lite TTS已在AI Studio和Gemini API上线，支持100多种语言的自定义声音或从2000多种预设声音中选择；Flash进入Gemini Notebook，Flash-Lite进入Google Vids。

Google DeepMind 新发布 Gemini 3.8 Flash 与 Flash-Lite TTS：前者支持自然语言设计声音、逐行指导表演，后者面向大批量生成。原文还说明声音复刻需授权验证，并为生成音频加入水印。

Google DeepMind 推出 Gemini 3.8 Flash TTS 和 Flash-Lite TTS：前者侧重声音创作与角色设计，后者面向大规模、注重成本的语音生成，与面向实时语音对话的 Gemini Live 系列不同。Flash TTS 可用自然语言指定角色、口音和声音特征从头创建声音，Google 还提供2,000多个预备声音；两个模型都支持在脚本中逐行指定语速、语气、口音变化与短促回应。Google 展示了单份脚本中的双说话者场景控制并描述长篇生成能力，也说明可从约30秒样本重建有权使用的声音，但创建前需提供与参考说话者匹配的口头授权录音，生成音频带 SynthID 水印和内容凭证。Google 在公告中引用声音设计与质量评测的领先成绩及跨语言盲测表现，这些排名由 Google 转述评测。开发者目前可在 Gemini API 与 Google AI Studio 中接触这两款模型，Google 对企业平台的接入说明了不同推出节奏。

Google推出Gemini 3.8 Flash TTS，面向深度创意指导和角色设计，可用自然语言提示从头创建全新声音，并对表演线索、节奏、方言转换和反馈语进行逐行控制。该模型支持超过100种语言和方言，提供2000+现成声音，并可从30秒音频样本复刻声音（需同意验证、SynthID水印和C2PA凭证）。它在Hume AI语音设计基准上以71.4分排名第一，口音建模得分60.8，并在Voice Arena盲测中于日语、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等语言中位居前列。开发者今日可在Gemini API和Google AI Studio使用，企业版API即将在Gemini Enterprise推出，普通用户可在Gemini Notebook使用。

Google发布了Gemini 3.8 Flash TTS，支持通过文本描述从头设计声音，提供超过2000种预设声音库及区域变体，支持100多种语言、逐行舞台指示、双角色对话和非语言声音；声音克隆需30秒样本并录制同意声明，生成音频带SynthID水印。定位用于播客、有声书、游戏角色等创意场景，通过Gemini API和Google AI Studio推出，另在Gemini Notebook可用，企业API访问即将跟进。

Google发布两款新的Gemini文本转语音模型：gemini-3.8-flash-tts和gemini-3.8-flash-lite-tts，附带超过2000种声音的语音库，并支持用一段30秒的本人声音或有权使用的声音样本创建自定义声音。

发布公告宣布推出 Gemini 3.8 Flash TTS，定位为新的 SOTA 文本转语音模型：提供全新声音设计体验、2000+ 生产就绪声音、声音复制功能，支持 100 种语言；voice remixing 功能即将推出（soon）。据公告，该模型在 Hume AI 的声音基准测试中排名第一。

Google发布Gemini 3.8 Flash TTS文本转语音模型，支持预设声音和声音复制。该模型在发布方评测的发音鲁棒性基准以89.5%排名第一，Provider Voice Arena以1,263 Elo排第二，处理速度为每秒44.1个字符（约2.7倍实时），定价每百万字符32.98美元，高于上一代Gemini 3.1 Flash TTS但远低于Eleven v3。

作者宣布其最新文本转语音和声音设计模型已上线 AI Studio。功能包括提供数千种新音色供选择、支持在30秒内复刻用户自己的声音、可通过提示词设计声音，以及提供表达性标签以实现完全控制。

谷歌宣布推出 Gemini 3.8 Flash TTS 文本转语音模型，面向深度创意方向和角色设计，可通过自然语言提示从头创建全新语音，支持逐行指导表演、长篇生成、原生双声音场景编排等功能，并提供语音复制（含同意验证与 SynthID 水印）。该模型在 Hume AI 语音设计基准（71.4 分）位居总体第一，并已向开发者推送，可在 Gemini API 和 Google AI Studio 使用，Gemini Notebook 也可使用；通过 AI Studio 进行的语音复制在伊利诺伊州、德克萨斯州、欧洲经济区、英国、瑞士和印度不可用。

原文报道Gemini 3.8 Flash TTS已在Google AI Studio和API上线，被称为支持语音设计（Voice Design）和双说话人剧本控制的旗舰TTS模型，可提示自定义声音人格、逐行指导台词演绎并添加语音爆发效果。

Google宣布推出Gemini 3.8 Flash TTS，定位为面向深度创意指导与角色设计的语音生成模型，可通过自然语言提示从零创建全新声音，并对表演、节奏、方言转换等逐行控制。该模型支持长音频生成、双说话人场景编排及脚本化非语言提示，在Hume AI语音设计基准中以71.4分排名第一、口音建模60.8分领先，并在Voice Arena盲测中于日语、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等语言中位居前列。开发者今日起可通过Gemini API和Google AI Studio使用，企业版API即将在Gemini Enterprise开放，普通用户可在Gemini Notebook使用。

原文宣布推出 Gemini 3.8 Flash TTS，定位用于游戏、沉浸式有声书和播客等高保真创意生产，支持从零设计定制语音角色并提供逐行级控制。该发布整体称模型可在100多种语言创建自定义声音、选用2000多种现成声音，并支持 <laughs>、|mhm| 等自然提示。发布主体在原文中未具名。

原文宣布发布新的 Gemini 3.8 Flash TTS 文本转语音模型，可用于创建和部署自定义音频，支持设计具有独特口音和特征的自定义声音。

Google宣布推出Gemini 3.8 Flash TTS，面向深度创意指导与角色设计，支持用自然语言提示从头创建定制声音、逐行指导表演，覆盖100多种语言，并提供带同意验证、SynthID水印和C2PA凭证的声音复刻。该模型在Hume AI Voice Design Benchmark获总榜第一（71.4），在Voice Arena盲测多语种中居前列。发布即面向开发者开放Gemini API和Google AI Studio；通过API进入Gemini Enterprise的企业渠道为即将推出，同时面向所有用户登陆Gemini Notebook；声音重混音功能亦为即将推出。