Gemini 3.8 Flash TTS 是谷歌于 2026.9.23 在官方博客发布的文本转语音系统，与同日亮相的 Gemini 3.8 Flash-Lite TTS 一道，成为 Gemini Audio 家族的最新成员。谷歌将其定位为一间动态语音创作工作室，创作者用自然语言提示即可从零设计角色声音，开发者与企业则可在 Google AI Studio 与 Gemini API 中直接调用这套系统。
核心要点
- 两款模型自 2026.9.23 起在 Google AI Studio 与 Gemini API 上线
- 支持 100 余种语言与方言，现成声音库扩展到 2000 余个
- 30 秒音频样本即可复制声音，内置同意验证与 SynthID 水印
- Hume AI 语音设计基准拿下 71.4 分居首，口音建模 60.8 分同为第一
- 支持逐行导演式控制、双说话人场景与数小时长音频生成
- Figma、HeyGen、Wondercraft 等公司已宣布接入集成
产品详情
声音设计与导演控制
Gemini 3.8 Flash TTS 面向深度创意表达。用户用自然语言描述角色、口音与声音特征即可生成全新声音，并逐行调整语速、情绪与方言转换。系统还支持对话音效标签，例如 <laughs>、<sigh> 与 <gasp>，用来控制喜剧节奏与应答节拍。
Gemini 3.8 Flash-Lite TTS 侧重高并发与成本效率，适合大批量配音与语音智能体场景。官方称两款模型在长篇内容与双说话人剧本控制上较 Gemini 3.1 Flash TTS 均有明显改进，连续数小时音频中说话人音色漂移被控制在较低水平。
安全机制与团队署名
安全机制上，声音复制需要提供声音所有者的口头同意录音，所有输出嵌入 SynthID 水印并附带 C2PA 凭证。产品组经理 Leland Rechis 与研究科学总监 Alan Cowen 代表 Gemini Audio 团队署名发文，这支团队贡献了从声音设计到场景编排的完整体验。
与竞品对比
对比 ElevenLabs、Cartesia 等独立语音方案和 Gemini 3.8 系列的区别，核心差异在于谷歌把声音设计、逐行导演与平台生态整合进同一套系统。官方公布的评测表现如下。
| 维度 | Gemini 3.8 Flash TTS | Gemini 3.8 Flash-Lite TTS | Gemini 3.1 Flash TTS |
|---|---|---|---|
| 产品定位 | 角色设计与创意表达 | 高并发与成本效率 | 前代通用语音模型 |
| Hume AI 基准 | 语音设计榜 71.4 分居第 1 | 综合质量榜第 2 | 官方称新模型提升明显 |
| 可用渠道 | AI Studio、Gemini API 与 Notebook | AI Studio、API 与 Google Vids | 既有渠道继续提供服务 |
在 Voice Arena 盲测中，两款模型于日语、巴西葡萄牙语、越南语、现代标准阿拉伯语、墨西哥西班牙语与印地语等语言中位列前茅。Gemini Audio 的更新日志显示，3.5 Live Translate、3.5 Transcribe 与 3.8 Live 已在 2026 年陆续上线，最后更新 2026 年 9 月 23 日两款 TTS 加入后，家族矩阵进一步完整。
两款模型以闭源服务形式提供，未采用 MIT 或 Apache 协议。企业版能力将经 Gemini Enterprise API 陆续开放，Agora、LiveKit、Pipecat 与 Vercel 等开发者平台已提供接入文档，Google AI Studio 中可直接免费体验语音生成功能。
常见问题
问. Gemini 3.8 Flash TTS 是什么。
Gemini 3.8 Flash TTS 是谷歌 2026.9.23 发布的文本转语音系统，主打以自然语言从零设计角色声音，同日的 Gemini 3.8 Flash-Lite TTS 则面向高并发与低成本的规模化场景。
问. 如何使用这款语音模型。
开发者可在 Google AI Studio 的音频工作台或 Gemini API 中调用，企业版将经 Gemini Enterprise API 开放，普通用户可在 Gemini Notebook 与 Google Vids 中体验到相关能力。
问. 与 ElevenLabs 等产品的区别在哪里。
对比 ElevenLabs 等独立语音方案，区别在于谷歌把 2000 余个现成声音、逐行导演控制与 SynthID 水印整合进同一系统，并在 Hume AI 语音设计基准中以 71.4 分居首。
问. 价格与费用情况如何。
谷歌公告未公布具体 API 定价，开发者现阶段可在 Google AI Studio 免费体验语音生成功能，后续费用以官方文档为准。
本文来源，Google 官方博客《Gemini 3.8 text-to-speech says hello》https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-text-to-speech/
