谷歌发布Gemini 3.8文本转语音模型

今日，谷歌正式推出Gemini 3.8系列两款新型文本转语音模型：Gemini 3.8 Flash TTS与Gemini 3.8 Flash-Lite TTS。此举标志着语音生成技术从固定预设迈入动态创作阶段，可为游戏、有声书、播客及智能体应用提供高度拟真的音频体验。其中，Flash版本主打深度创作与角色定制，支持通过自然语言从零构建声音，并提供逐行台词控制、节奏与方言切换等精细导演功能；Flash-Lite版本则聚焦大规模降本增效，适用于海量配音与高并发语音交互场景。 新模型内置超两千款预设音色，覆盖百余种语言及地方口音，并支持仅需三十秒音频样本的声音克隆。在安全合规方面，谷歌采用严格的权限验证机制、隐式SynthID水印及C2PA认证，确保音色生成与使用的透明度与版权保护。权威评测显示，两款模型在Hume AI语音设计基准及多维度盲测中均斩获榜首，在日语、巴西葡萄牙语、越南语等核心语言的表现尤为突出。 目前，开发者已可通过Google AI Studio体验该能力，并借助Gemini API快速集成至Agora、LiveKit等开发平台。谷歌已与Figma、HeyGen等头部企业达成合作，加速全球本地化内容生产与大规模语音交互产品的落地，全面重塑多语言音频内容的创作生态。