Google 發布 Gemini 3.8 Flash TTS 雙模型：支援自然語言生成語音、30 秒聲音複製與逐句情緒控制

發布 Gemini 3.8 Flash TTS 與 Flash-Lite TTS 兩款模型，支援超過 100 種語言，已於 API 推出，Gemini Enterprise API 將後續開放。

官方資料確認推出兩款新模型與逾100種語言支援，並預告企業版 API 存取權限。

Gemini 3.8 Flash-Lite TTS

查看原始出處

API in Gemini Enterprise

查看原始出處

support more than 100 languages

查看原始出處

Flash TTS 專為深度創意打造可生成新聲音；Flash-Lite TTS 針對高用量最佳化；兩者提供超過 2000 種語音庫及 30 秒聲音複製。

來源證實兩款模型的定位差異、內建超過2000種預備語音以及30秒聲音複製功能。

Create entirely new voices

查看原始出處

Optimized for high-volume dubbing

查看原始出處

2,000+ production-ready voices

查看原始出處

30-second audio sample

查看原始出處

支援逐句語氣指導、單腳本雙人對話、非語言及附和語腳本控制；未來將推出語音混音功能。

原文提及腳本控制包含單行語氣、雙人對話及笑聲等非語音選項，且將推出Voice Remixing。

directions for each line

查看原始出處

two-voice mode generates dialogue

查看原始出處

Voice Remixing

查看原始出處

Flash TTS 在 Hume AI 語音設計基準測試總排第一（71.4分），口音建模領先（60.8分）。

官方資料給出了完全相符的 Hume AI 基準測試評分與排名數據。

Voice Design Benchmark (71.4)

查看原始出處

accent modeling (60.8)

查看原始出處

聲音複製需提供語音所有權人口頭同意錄音驗證，生成音檔皆嵌入 SynthID 浮水印與 C2PA 憑證。

來源確認聲音複製須有同意錄音把關，且生成的音訊都帶有 SynthID 浮水印及 C2PA 憑證保護。

verbal consent recording

查看原始出處

SynthID watermarking, and C2PA credentials

查看原始出處