2026年9月23日，Google推出語音合成（文字轉語音，TTS）新模型Gemini 3.8 Flash TTS與Gemini 3.8 Flash-Lite TTS。Google將這兩款模型定位為旗下表現力最豐富的語音生成模型。
兩款模型的差異
- Gemini 3.8 Flash TTS：適合細膩演出、角色塑造等講究表現力的用途
- Gemini 3.8 Flash-Lite TTS：適合以低成本大量生成語音的用途
主要功能
- 提供超過2,000種可直接使用的聲音
- 支援100多種語言與方言，只要用文字描述角色、口音與聲音特色，就能打造新聲音
- 只需30秒的語音樣本，就能複製出相同的聲音
- 可逐句指定說話速度、情緒，甚至是讓對話聽起來更自然的各種聲音
- 朗讀長篇文字時聲音表現穩定，也能生成兩位說話者之間的對話
根據Google的說法，Flash TTS在Hume AI的聲音設計基準測試中排名第一（分數71.4）。此外，在Voice Arena排行榜上，兩款模型在日語、巴西葡萄牙語、越南語等多種語言中勝過競爭對手，名列前茅。
安全措施
所有生成的語音都會嵌入SynthID數位浮水印，標示內容由AI生成。聲音複製功能設有確認本人同意的機制，並支援記錄內容來源的C2PA。
另外，聲音複製功能無法在美國伊利諾州與德州、歐洲經濟區（EEA）、英國、瑞士及印度使用。
提供平台
兩款模型都能在Gemini API與Google AI Studio中使用，近期也將支援Gemini Enterprise。此外，所有使用者都已能在Gemini Notebook中使用Flash TTS，在Google Vids中使用Flash-Lite TTS。
CoAI編輯部觀點
除了聲音種類豐富，只要下文字指示就能打造新聲音也是一大特色。從旁白、影片製作到語音助理開發，在各種與語音相關的用途中，都可望成為選項之一。若要使用聲音複製功能，請事先確認可使用的地區與同意確認的流程。
