Google 发布 Gemini 3.8 Flash TTS语音模型 让你像导演一样逐行指导配音
原文链接: https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-text-to-speech/ 来源: Google 发现于: 小互 · AI 解读站 · 2026/9/24 说明: 本文由 AIHot 自动聚合,并由 GLM 翻译为中文(保留全部代码与链接)
Gemini 3.8 text-to-speech 问好啦
2026年9月23日
Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 是我们迄今为止最具表现力的音频生成模型。你可以在 Google AI Studio、Gemini API、Gemini Enterprise、Gemini Notebook 和 Google Vids 中生成自定义角色语音,并执导场景对话。
Leland Rechis
集团产品经理
Alan Cowen
研究科学总监,谨代表 Gemini 音频团队
分享

- 查看《Gemini 3.8 text-to-speech 问好啦》,了解我们的新模型是如何工作的。
- 通过简单的自然语言提示词,从零开始创建自定义语音,或复刻现有语音。
- 逐行执导你的音频,掌控节奏、情感,甚至逼真的对话音效。
- 将这些模型用于大规模生成高质量的有声书、播客或实时语音 Agent。
- 我们内置了水印等安全工具,保障你生成音频的安全。
摘要由 Google AI 生成。生成式 AI 处于实验阶段。Google 刚刚推出了全新 AI 工具,让你可以从零开始创建和定制逼真的声音。你可以对这些声音进行“导演式”的调控,让它们完全按照你的设想发声,从口音到情感语调皆可掌控。它非常适合制作听起来像真人交谈的有声书、游戏或播客。此外,Google 还加入了安全功能,确保这些声音得到负责任的使用。
摘要由 Google AI 生成。生成式 AI 处于实验阶段。#### 探索其他风格:今天,我们为 Gemini 家族推出两款全新的 text-to-speech 模型,将语音生成从静态预设转变为动态创意工作室。这些模型让创作者、开发者和企业能够打造更丰富、更具表现力的音频体验,同时改进 [Gemini Notebook](https://notebook.google.com/) 和 [Google Vids](http://vids.new/) 等产品中的用户体验。
- Gemini 3.8 Flash TTS: 专为深度创意指导和角色设计而构建。使用自然语言 prompt 从零开始创造全新的声音,让角色在游戏、沉浸式有声书、播客和互动媒体中栩栩如生。可逐行指导每一段表演,并对表演提示、节奏、方言转换和 backchanneling 进行精细控制。
- Gemini 3.8 Flash-Lite TTS: 专为大规模、高性价比的应用场景而构建。针对大批量配音、音频内容创作和富有表现力的语音 Agent 进行优化,可对语气、节奏和表达上的细微差别进行精细控制。
这些模型是对我们快速壮大的 Gemini Audio 家族的补充,继 3.5 Live Translate、3.5 Transcribe、3.8 Live 与 3.8 Live Extended Thinking 之后推出。
创建并定制你自己的声音
从 30 个原始声音扩展到无限的语音库。无论你需要的是完全原创的角色声音,还是始终如一的品牌代言人,我们的 3.8 Flash TTS 模型都能提供一个完整的语音工作室。这让你能够为每个场景创建并使用富有表现力、自然逼真的声音,同时助力开发者和企业轻松构建定制化的音频体验。
- 生成式语音设计: 借助 Gemini 3.8 Flash TTS,你可以使用自然语言 prompt 来定制角色、口音和声音特征,在超过 100 种语言和方言中从零开始打造定制化声音——无论是让一条气势磅礴、口喷烈焰的巨龙活灵活现,还是塑造一位带有鲜明地域韵律、魅力十足的叙述者。
听听 Gemini 3.8 Flash TTS 如何生成来自墨尔本、活力四射的 DJ 声音。
听听 Gemini 3.8 Flash TTS 如何生成极其单薄尖细、语调单一的机器人声音。
听听 Gemini 3.8 Flash TTS 如何让一条日本龙活灵活现。
- 丰富的语音库: 提供 2,000+ 个可直接投入生产的声音,语言覆盖广泛——包括墨西哥西班牙语、魁北克法语和苏格兰英语等地域变体。
- 声音复刻: 只需 30 秒的音频样本(你本人的声音,或你拥有使用授权的声音),即可重建一致的声纹特征,并由内置的同意验证、SynthID 水印和 C2PA 凭证作为保障,同时保护开发者及其配音人才双方。
- 保存与扩展: 保存并管理你设计的自定义声音,确保在持续进行的项目中保持一致的表演效果,并最大限度减少声音漂移。
- 声音混音: 即将推出,你可以从我们的语音库中挑选一个声音,并微调其音色、音高、语速和口音。使用 prompt 来精细调校声音特征(例如“添加轻微的美国南方口音”或“让表达更柔和”)。
逐行执导语音表演
选好声音后,两款 TTS 模型都能让你精确掌控每一句台词的表达方式。
- 逐行执导表演: 你可以撰写自己的舞台指示,也可以让 Gemini 通过自然的剧本提示来引导语音表达——从沉稳的客服 Agent,到低声耳语的悬疑场景。
听听 Gemini 3.8 Flash TTS 如何为交互式语音 Agent 带来自然且极富表现力的对话。
观看并聆听 Gemini 3.8 Flash TTS 如何运用精细的剧本控制,打造深度沉浸、引人入胜的音频体验。
- 长文本生成: 在数小时的连续音频中保持高语音质量、自然的节奏和角色音色,几乎不会出现说话人漂移(speaker drift)——非常适合播客和有声书。
- 原生双说话人场景编排: 仅凭一份剧本即可流畅执导多轮对话——无论是播客还是戏剧化叙事——同时让两个声音清晰区分,并呈现自然的对话轮替。
- 剧本化发声与附和: 使用非语言提示(如
、 、 )以及倾听附和语(如 |mhm| 或 |yeah|),为对话增添真实的质感,精准把控喜剧时机与反应节拍。
看看 Gemini 3.8 Flash TTS 如何从零开始,把自然语言提示塑造成定制化的语音人设。
观看 Gemini 3.8 Flash TTS 如何让创作者设计自定义场景,让动画对白栩栩如生。
看看 Gemini 3.8 Flash TTS 如何把剧本变成完整的对白表演场景,让创作者执导语音表达与自然的对话轮替。
获取为全球规模打造、富有表现力的高质量语音生成
Gemini 3.8 Flash TTS 提供领先的语音定制能力,在 Hume AI 的 Voice Design Benchmark(71.4)上斩获综合排名第一,并在口音建模(accent modeling)方面同样领先(60.8)。
Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 在不牺牲可靠性的情况下实现了真正富有表现力的语音表演,并在 Hume AI 的 Overall Quality Index 上分别斩获第一和第二。与 Gemini 3.1 Flash TTS 相比,该模型在长文本内容、双说话人剧本控制等广泛用例上均有显著提升。
在 Voice Arena) 的盲测人类偏好评估中,Gemini 3.8 Flash 和 Flash-Lite TTS 在多个关键全球语言中位居竞品前列,包括日语、巴西葡萄牙语、越南语、现代标准阿拉伯语(MSA)、墨西哥西班牙语和印地语。凭借对超过 100 种语言的支持,这些模型助力创作者、开发者和企业在全球范围内构建高质量的多语言语音体验。



以信任、授权和透明为核心构建
我们在构建语音创建与复刻功能时采用了严格的安全保障措施,以帮助保护配音演员的权益、尊重个人身份并确保内容透明。在语音复刻方面,我们的系统采用了授权验证机制:用户必须提供语音所有者的口头授权录音,且该录音需与参考说话人相匹配,才能创建语音。
更广泛地说,我们的 Gemini Audio 模型生成的每个音频片段都带有 SynthID 水印。这种难以察觉的水印直接融入音频输出中,确保 AI 生成的语音仍可被检测,从而帮助防范错误信息传播。有关我们在安全与责任方面做法的更多详情,请查阅模型卡。
试用我们全新的 Google AI Studio audio playground
从今天开始,开发者可以在 Google AI Studio 中体验这些全新的语音生成功能。它就像一个语音设计工作区,你可以通过提示词从零创建全新的声音形象,或复刻你自己的声音
,然后将其直接引入双说话人剧本编辑器中,逐行指导台词的演绎方式。
在 Google AI Studio 中试用语音复刻功能。
轻松部署高性能语音接口
借助 Gemini API,Agora、LiveKit、Pipecat、Vercel 等开发者平台使开发者能够轻松构建和部署高性能的语音生成体验。
我们正在与 Figma、HeyGen、Linguana、Wondercraft、99.co 和 Ollang 等公司合作,这些公司正在集成我们最新的 TTS 模型,以帮助加速全球配音、通过细腻的地方口音实现媒体本地化,并大规模驱动对话式语音 Agent。











立即开始使用我们最新的 Gemini Audio 模型:
Gemini 3.8 Flash TTS 即日起推出:
- 面向开发者:可在 Gemini API 和 Google AI Studio 中使用
- 面向企业:即将通过 API 在 Gemini Enterprise 中推出
- 面向所有人:在 Gemini Notebook 中使用。
Gemini 3.8 Flash-Lite TTS 即日起推出:
- 面向开发者:可在 Gemini API 和 Google AI Studio 中使用
- 面向企业:即将通过 API 在 Gemini Enterprise 中推出
- 面向所有人:在 Google Vids 中使用
在您的收件箱中获取 Google 最新资讯
订阅我们的新闻通讯,获取产品更新、活动信息、特别优惠等更多内容。
完成。还差最后一步。
请查看您的收件箱以确认订阅。
您也可以通过以下方式订阅。
您的信息将按照 Google 隐私政策 进行使用。您可以随时选择退订。
发布于: