Gemini 3.8 Flash TTS¶
Gemini 3.8 Flash TTS(gemini-3.8-flash-tts)是 Google 的旗艦創意
文字轉語音模型,專為錄音室等級的語音逼真度、富有表現力的演繹、
道地的地區口音,以及穩固的長篇多回合穩定性而打造。
總覽與功能¶
Gemini 3.8 Flash TTS 為富有表現力的音訊生成樹立了新標竿:
- 高音響逼真度與演繹細膩度:提供豐富的情感幅度、
自然的韻律,並精確遵循回合層級的
style指示與 行內人聲事件(<laugh>、<sigh>、<short pause>)。 - 長篇多回合穩定性:在長時間的對話與 數分鐘的旁白中,維持一致的語音身分、 音色、音量與環境音場,不發生語音漂移。
- 道地的地區口音與發音:支援地區口音 與少數方言。
- 完整的語音生態系支援:與預建語音、
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 無縫搭配。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 TTS(gemini-3.8-flash-tts) |
Gemini 3.8 Flash-Lite TTS(gemini-3.8-flash-lite-tts) |
|---|---|---|
| 主要優勢 | 最高的語音逼真度、演繹細膩度與方言涵蓋範圍 | 高輸送量、低延遲與成本效益 |
| 最適合的使用情境 | 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 | 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 |
| 支援的語言 | 130 種語言 | 101 種語言 |
| 建議取代的模型 | 全新的旗艦創意層級 | gemini-3.1-flash-tts-preview |
遷移指南¶
如果你要從 gemini-3.1-flash-tts-preview 或更早的 Gemini TTS
模型遷移,請依 Gemini 3.8 TTS 結構定義更新你的要求:
-
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。
- Interactions API: 在每個文字內容區塊上附加一個註解,內容包含
-
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。 - 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。 - 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。 - 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 PCMaudio/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。
- 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
gemini-3.8-flash-tts¶
| 屬性 | 說明 |
|---|---|
| 模型代碼 | gemini-3.8-flash-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-tts 會自動偵測輸入語言,並支援
130 種以上語言:
| Language | Language | Language |
|---|---|---|
| Acehnese (Arab script) | Greek | Nepali (individual language) |
| Afrikaans | Guarani | Nigerian Fulfulde |
| Akan | Gujarati | North Azerbaijani |
| Amharic | Haitian Creole | Northern Sotho |
| Armenian | Halh Mongolian | Northern Uzbek |
| Assamese | Hausa | Norwegian Bokmål |
| Awadhi | Hebrew | Norwegian Nynorsk |
| Balinese | Hindi | Nyanja |
| Bangla | Hungarian | Occitan |
| Banjar (Arab script) | Icelandic | Odia (individual language) |
| Banjar (Latn script) | Igbo | Pangasinan |
| Bashkir | Iloko | Persian (Afghanistan) |
| Basque | Indonesian | Polish |
| Belarusian | Iranian Persian | Portuguese |
| Bemba | Italian | Punjabi |
| Bhojpuri | Japanese | Romanian |
| Bosnian | Javanese | Russian |
| Buginese | Kabyle | Santali |
| Bulgarian | Kamba | Serbian |
| Burmese | Kannada | Sindhi |
| Cantonese | Kashmiri (Arab script) | Sinhala |
| Catalan | Kashmiri (Deva script) | Slovak |
| Cebuano | Kazakh | Slovenian |
| Central Kurdish | Khmer | Somali |
| Chhattisgarhi | Kikuyu | South Azerbaijani |
| Chinese (Hans script) | Kinyarwanda | Southern Pashto |
| Chinese (Hant script) | Kongo | Southern Sotho |
| Crimean Tatar | Korean | Spanish |
| Croatian | Kyrgyz | Standard Arabic (Arab script) |
| Czech | Lao | Standard Arabic (Latn script) |
| Danish | Latgalian | Standard Latvian |
| Dutch | Lingala | Standard Malay |
| Dyula | Lithuanian | Swahili (individual language) |
| Dzongkha | Luxembourgish | Swati |
| Egyptian Arabic | Macedonian | Swedish |
| English | Magahi | Tajik |
| Estonian | Maithili | Tamil |
| Filipino | Malayalam | Telugu |
| Finnish | Maltese | Thai |
| French | Manipuri | Tigrinya |
| Galician | Marathi | Tosk Albanian |
| Ganda | Minangkabau (Arab script) | Turkish |
| Georgian | Minangkabau (Latn script) | Uyghur |
| German | Mizo | Vietnamese |