Google 推出 Gemini 3.8 語音模型，可自訂聲線與逐句導戲

Google 於 9 月 23 日發表 Gemini 3.8 Flash TTS 與 Flash-Lite TTS 兩款文字轉語音模型，並開始在 Gemini API 與 Google AI Studio 推出。前者主打角色聲音設計與細部表演控制，後者著重大量配音、音訊製作及語音代理的成本效率。

從預設聲線走向角色設計

依 Google 公告，Flash TTS 可透過自然語言指定角色、口音與聲音特徵，涵蓋超過 100 種語言及方言，並提供超過 2,000 種可用聲線。使用者也能儲存自訂聲音，讓後續專案延續同一角色的表現。

聲音複製功能可使用 30 秒音訊樣本，但必須是自己的聲音或已取得使用權的聲音。系統要求聲音持有人提供口頭同意錄音，並確認與參考說話者相符；從既有聲線調整音色、音高與口音的混音功能則尚未推出。

雙人對話可逐句安排演出

兩款模型都能逐句控制語氣與節奏，從單份腳本安排雙人輪流對話，也可加入笑聲、嘆息與聆聽時的回應。Google 表示，模型能在數小時的長篇音訊中維持聲音品質、節奏與角色音色。

一般使用者的入口有所區別：Flash TTS 在 Gemini Notebook 推出，Flash-Lite TTS 則進入 Google Vids；企業透過 Gemini Enterprise API 使用的管道仍待推出。Google 並表示，旗下 Gemini Audio 模型產生的每段音訊都會嵌入 SynthID 浮水印，協助辨識生成內容。

STELLAR VIEW

對台灣配音與有聲內容創作者而言，可保存聲線、逐句調整演出，值得拿實際腳本測試。選用時除了聽聲音是否自然，也應確認台灣口音與長篇角色一致性是否符合需求；聲音複製則須把授權納入製作流程。

在 Google AI Studio 試用語音生成

閱讀 Gemini 3.8 Audio 模型卡