Google 于9月23日发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型。前者侧重声音设计和逐句演绎控制，后者面向高量级、成本效率导向的语音生成场景。两者均为 Gemini Audio 产品线的新增模型，而不是此前 Gemini 3.8 Live 的实时交互更新。
Google 表示，Flash TTS 支持通过自然语言提示设计声音，并可对逐句演绎方式进行控制；Flash-Lite TTS 则更适合需要较高调用量的任务。两款模型已通过 Gemini API 和 Google AI Studio 提供给开发者。
官方称，模型覆盖100多种语言和方言，生成音频嵌入 SynthID 水印。对于声音复现功能，Google 表示会采用同意验证安排。上述能力范围和语言覆盖均来自厂商披露，不应视为本站对不同语言、口音或具体任务效果的独立测试。
语音模型分层如何改变产品交付
将侧重创作控制的模型与面向高量级调用的模型分开，有助于语音产品按实际任务匹配服务能力。人物塑造、对白编排或品牌声线管理等场景，可能更重视 Flash TTS 的控制能力；批量配音、多语种本地化和语音交互服务，则可能更关注 Flash-Lite TTS 在高调用量下的适配性。对应用方而言，实际交付仍取决于提示设计、声音授权、内容审核和调用稳定性。厂商披露的语言覆盖不代表各语言、口音和长文本任务的表现完全一致；水印与同意验证也只能构成部分约束，平台仍需处理冒用声音、内容标注和分发治理等问题。
| 涉及行业 | 行业影响分析 | 简要理由 |
|---|---|---|
| 应用软件 | 利好 | 两档模型对应不同语音任务，服务商可围绕创作控制与高量级调用设计产品层级；配音、互动内容和语音服务应用可获得更细分的模型选择，但仍需处理授权与审核。 |
| 互联网服务与基础设施 | 中性 | 语音生成调用可能增加在线服务需求，资源变化仍取决于采用率和使用时长。 |
新闻热点内容来源于媒体公开报道。文章分析仅代表个人观点，不构成投资建议。