Gemini 3.8 文本转语音模型你好

AI小蝌蚪AI 前沿📡 BestBlogs·AI高分精选⭐ 922026-09-24153 阅读💛 204 收藏

📌 One-Sentence Summary

Google 推出了 Gemini 3.8 Flash TTS 和 Flash-Lite TTS，这两款先进的文本转语音模型提供了生成式语音设计、逐行性能控制以及多语言支持。

📝 Summary

Google 宣布了 Gemini 家族中的两个新文本转语音模型：Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS。这些模型将语音生成转化为一个动态创作工作室，允许用户使用自然语言提示词从零设计自定义语音、访问超过 2000 种语音的扩展库，并根据短音频样本复制人声特征。它们具备细粒度的逐行脚本控制（支持舞台指令和情感变化）、多角色场景调度，以及包括许可验证和 SynthID 水印在内的强大安全措施。这些模型在 Hume AI 基准测试中排名领先，目前已通过 Google AI Studio 和 Gemini API 向开发者推出，并适用于企业和消费者应用。

💡 Main Points

生成式语音设计与定制

Gemini 3.8 Flash TTS 允许用户使用自然语言提示词跨越 100 多种语言和方言创建完全定制的语音，或通过 30 秒音频样本复制现有语音，并由严格的许可验证和 SynthID 水印保障。

细粒度性能控制

两款模型都提供了脚本执行的精确控制，允许作者和开发者加入舞台指令、节奏调整、方言切换以及笑声或叹息等非语言对话纹理，以实现浸式音频体验。

行业领先的基准性能

这些模型在 Hume AI 语音设计基准测试和整体质量指数中领先，在全球语言口音建模和长音频生成任务方面优于竞争对手。

开发者集成与企业级就绪

模型通过 Gemini API 和 Google AI Studio 提供，可与 Agora、LiveKit 和 Vercel 等开发者平台无缝集成，支持扩展的语音智能体、全球配配和媒体本地化。

💬 Key Quotes

Gemini 3.8 Flash TTS 提供了领先的语音定制能力，在 Hume AI 语音设计基准测试中位列第一（71.4），并在口音建模方面也处于领先（60.8）。

对于语音复制，我们的系统利用许可验证：用户必须提供与参考说话者匹配的语音所有者口头许可录音，才能创建语音。