跳轉到

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。

在 Google AI Studio 中試用

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:

  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-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