谷歌发布Gemini 3.8TTS 支持文字捏音色谷歌把 Gemini 3.8 Flash TTS 和 Flash-Lite TTS 发出来了.

这次最有价值的更新是支持文字直接设计声线. 以前做个性化配音大多依赖喂一段干净的参考音频跑声音克隆, 3.8 TTS 允许直接用提示词凭空捏出不同的人设声音, 涵盖年龄、音质、语速和口音细节, 支持 100 多种语言.

文本控制上也做了优化, 可以在脚本行间直接写语调、重音和节奏标记. 在 Hume AI 的语音表现力评测里, Flash 和 Flash-Lite 分列一二名, 数据咬过了 ElevenLabs v3 和 Cartesia Sonic 3.6.

今天在 Google AI Studio 和 API 已经实装上线. 游戏 NPC 配音或者自动化长音频项目, 可以省掉到处找音频素材做克隆的环节了.

🔗 博客: blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-text-to-speech/

GoogleGeminiTTSAI语音ElevenLabs