跳轉到

Gemini 3.8 Flash-Lite TTS

Gemini 3.8 Flash-Lite TTS(gemini-3.8-flash-lite-tts)是 Google 快速且具成本效益的主力文字轉語音模型,專為高輸送量的正式環境工作負載打造,用以取代 gemini-3.1-flash-tts-preview。

在 Google AI Studio 中試用

總覽與功能

Gemini 3.8 Flash-Lite TTS 結合了低延遲與生動自然的語音表現:

  • 高輸送量效率:針對大量生產、對話式語音代理的串聯、朗讀功能,以及各主要語言的日常單一說話者語音生成最佳化。
  • 可直接沿用的結構定義相容性:與 gemini-3.8-flash-tts 共用完全相同的 API 結構定義與結構化提示格式,只需變更一個參數即可切換模型。
  • 完整的語音生態系支援:支援預建語音、擴充語音庫(GET /v1beta/voices)、自訂的語音設計角色、語音複製(預設為持久儲存的語音,另可選用無狀態金鑰),以及語音混音。你也可以在 Google AI Studio 中互動式地設計、複製與混製語音。

功能、提示最佳實務與程式碼範例的完整說明,請參閱文字轉語音指南。

必須使用 v1beta: 這個模型使用的語音生成功能 目前僅在 v1beta API 中提供。最新版的 Google Gen AI SDK 預設使用 v1,因此在建立用戶端或呼叫 REST API 時,請將 API 版本設為 v1beta。請參閱 設定 API 版本。

如何選擇 TTS 模型

兩個 Gemini 3.8 TTS 模型共用相同的 API 結構定義與提示結構。請依你的工作負載選擇合適的模型:

功能/工作負載 Gemini 3.8 Flash-Lite TTS(gemini-3.8-flash-lite-tts) Gemini 3.8 Flash TTS(gemini-3.8-flash-tts)
主要優勢 高輸送量、低延遲與成本效益 最高的語音逼真度、演繹細膩度與方言涵蓋範圍
最適合的使用情境 大量生產、即時語音代理串聯、朗讀功能、語音複製、日常單一說話者生成 有聲書、錄音室旁白、複雜的多說話者對話、大量爆發式人聲演繹、困難發音、地區方言
支援的語言 101 種語言 130 種語言
建議取代的模型 gemini-3.1-flash-tts-preview 全新的旗艦創意層級

遷移指南

如果你要從 gemini-3.1-flash-tts-preview 升級至 gemini-3.8-flash-lite-tts,請依 Gemini 3.8 TTS 結構定義更新你的要求:

  1. 將回合層級的指示移入 speech_metadata: Gemini 3.8 TTS 會將 輸入文字嚴格視為逐字稿。像 "Say cheerfully: Hello!" 或 "Speaker 1: Hello!" 這類行內文字指示可能會被唸出來。 請將持續性的表達指示(style)與說話者標籤 (speaker)移入結構化中繼資料:

    • Interactions API: 在每個文字內容區塊上附加一個註解,內容包含 "type": "speech_metadata"、"speaker" 與 "style"。
    • GenerateContent API: 將 "speech_metadata": {"speaker": "...", "style": "..."} 附加至每個 part。
  2. 角括號行內標籤僅用於即時的人聲事件: 將 轉瞬即逝的非語音發聲與停頓,以角括號形式保留在逐字稿中 (例如 <laugh>、<sigh>、<cough>、<breath> 或 <short pause>)。耳語之類的表達風格則放入 speech_metadata.style。

  3. 在多說話者要求中為每個回合指定 speaker: 多說話者要求中的每個回合 都必須明確包含 speaker,並將其置於 speech_metadata 中,且須與已設定的說話者之一相符。
  4. 預先以語音設計建立角色: 以在 語音設計 中建立的自訂語音,取代冗長的舊版 Audio Profile/Director's Notes 區塊,再將該 voice_... ID 帶入 你的 TTS 要求中,並使用最少或空白的 style 字串。
  5. 留意單次要求預設輸出 WAV(audio/wav): 與 gemini-3.1-flash-tts-preview 及更早的 TTS 模型不同(它們預設傳回 無標頭的原始 PCM audio/l16),Gemini 3.8 TTS 在單次要求時預設傳回帶有 標準 RIFF 標頭的 WAV 音訊(audio/wav/AUDIO_WAV)。
    • 如果你的程式碼先前會將原始 PCM 位元組包上 WAV 標頭(例如 使用 Python 的 wave 模組或 ffmpeg),請移除手動加標頭的包裝,直接將傳回的位元組寫入 .wav 檔案。
    • 如果你的管線需要無標頭的原始 PCM、mu-law 或 A-law 音訊, 請明確將 response_format.mime_type 設為 "audio/l16"、 "audio/mulaw" 或 "audio/alaw"(例如在 Interactions API 中使用 {"response_format": {"type": "audio", "mime_type": "audio/l16"}}, 或 AUDIO_L16、AUDIO_MULAW 或 AUDIO_ALAW(用於 generateContent)。 請參閱 音訊輸出格式。

gemini-3.8-flash-lite-tts

屬性 說明
模型代碼 gemini-3.8-flash-lite-tts
支援的資料類型 輸入 文字 輸出 音訊
權杖上限[*] 輸入權杖上限 8,192 輸出權杖上限 16,384(Gemini API 服務上限)
功能 音訊生成 支援 程式碼執行 不支援 上下文快取 不支援 檔案搜尋 不支援 函式呼叫 不支援 使用 Google 地圖接地 不支援 使用 Google 搜尋接地 不支援 圖片生成 不支援 Live API 不支援 結構化輸出 不支援 推理 不支援 網址上下文 不支援
使用方式 Batch API 支援 Flex 推論 支援 Priority 推論 支援
版本 詳情請參閱模型版本模式。
最近更新 2026 年 9 月
定價 定價

支援的語言

gemini-3.8-flash-lite-tts 會自動偵測輸入語言,並 支援 100 種以上語言:

Language Language Language
Acehnese (Arab script) German Manipuri
Afrikaans Greek Marathi
Akan Gujarati Minangkabau (Arab script)
Amharic Haitian Creole Mizo
Armenian Halh Mongolian Nepali (individual language)
Assamese Hausa Nigerian Fulfulde
Awadhi Hebrew North Azerbaijani
Balinese Hindi Northern Sotho
Bangla Hungarian Northern Uzbek
Banjar (Latn script) Icelandic Norwegian Bokmål
Basque Iloko Norwegian Nynorsk
Belarusian Indonesian Nyanja
Bhojpuri Iranian Persian Odia (individual language)
Bosnian Italian Persian (Afghanistan)
Buginese Japanese Polish
Bulgarian Javanese Portuguese
Cantonese Kamba Punjabi
Catalan Kannada Romanian
Cebuano Kashmiri (Arab script) Russian
Central Kurdish Kashmiri (Deva script) Santali
Chhattisgarhi Kazakh Serbian
Chinese (Hans script) Khmer Sinhala
Chinese (Hant script) Kikuyu Slovak
Croatian Kinyarwanda South Azerbaijani
Czech Kongo Southern Pashto
Danish Korean Spanish
Dutch Kyrgyz Standard Arabic (Arab script)
Egyptian Arabic Lao Standard Arabic (Latn script)
English Lingala Standard Latvian
Estonian Macedonian Standard Malay
Filipino Magahi Tamil
French Maithili Telugu
Galician Malayalam Turkish
Ganda Maltese Vietnamese
Georgian — —