Google 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS：声音、复刻与上线范围

如果要给一个角色设计独特的声音，和要为大量内容批量配音，该选同一款模型吗？Google 于 2026 年 9 月 23 日发布的 Gemini 3.8 Flash TTS 与 Gemini 3.8 Flash-Lite TTS 都能把文字转成语音，但侧重点不同：前者强调声音设计与表演控制，后者面向更注重成本的大规模制作。TTS 即“文本转语音”。427

两款模型分别适合什么？

Flash TTS 更适合需要鲜明角色声音的作品。 Google 表示，用户可以用自然语言描述角色、口音和声线特征，从零设计声音，并对剧本中的台词给出表演提示。需要仔细打磨人物说话方式或对话场景时，这款模型是 Google 主推的创作选择。430

Flash-Lite TTS 更适合大量生成音频。 Google 将其定位于大批量配音、音频内容制作和富有表现力的语音助手，同时保留对语气、节奏等细节的控制。“Lite”指的是成本与规模方面的定位，并不意味着只能生成平淡、无法指导的朗读。2730

能选择、设计或复刻哪些声音？

Google 称，两款模型提供超过 2000 种现成声音，也支持通过文字提示创建自定义声音。制作对话时，用户可以指导人物之间如何接话，并逐句指定语气、口音和语速。42829

在语言覆盖上，Google 使用的表述是超过 100 种语言和方言。第三方模型资料进一步列出 Flash TTS 支持 130 种语言、Flash-Lite TTS 支持 101 种语言；这些数字应视为资料报告的覆盖范围，不能据此认定每一种声音、每项功能都能在所有语言中使用。271718

设计新声音与复刻真人声音不是一回事。 后者需要现有说话者的声音样本。发布时的报道提到，复刻可使用约 30 秒的参考录音，并须先经过同意验证。2223

安全措施和测试成绩怎么看？

Google 表示，声音复刻设有同意验证。发布报道还提到，生成音频带有 SynthID 水印，复刻声音附带 C2PA 内容凭证。这些是识别和约束用途的措施，不能理解为已消除所有滥用风险。2334

据发布时披露的测试结果，Flash TTS 在 Hume AI 的 Voice Design Benchmark 中取得 71.4 分、排名第一；另一份报道列出的口音建模成绩为 60.8 分。Google 还称，Flash TTS 和 Flash-Lite TTS 包揽 Hume AI Overall Quality Index 的前两名。这些是已公布的基准测试成绩，并不等于两款模型在具体项目中的效果已经得到独立验证。1921

目前可以在哪里使用？

Google 表示，两款模型自 9 月 23 日起在面向开发者的 Google AI Studio 和 Gemini API 推出。Gemini API 更新日志将新 TTS 模型及 Voices 接口列为正式发布。面向具体产品，Google 指定 Flash TTS 用于 Gemini Notebook、Flash-Lite TTS 用于 Google Vids；通过 Gemini Enterprise 接入则被列为“即将推出”。某款模型进入产品，不代表该产品在发布当天就具备其全部声音功能。2932

早期集成报道提到 Agora、LiveKit、Pipecat 和 Vercel 等平台，以及探索配音、本地化或语音助手用途的 Figma、HeyGen 和 Wondercraft。这些案例显示了开发者的应用方向，但不代表所有集成均已全面开放。37