Gemini 3.8 Flash TTS (gemini-3.8-flash-tts) 是 Google 的旗艦創意文字轉語音模型，專為提供錄音室等級的語音保真度、生動的演繹、道地的地域口音，以及穩定的長篇多輪對話而設計。
總覽與功能
Gemini 3.8 Flash TTS 為生成生動的音訊樹立全新標竿：
- 高音訊保真度和細膩的演繹：可呈現豐富的情緒、自然的語調，並精準遵循回合層級的
style指示和內嵌語音事件 (<laugh>、<sigh>、<short pause>)。 - 長時間多輪對話穩定性：在長時間對話和數分鐘的旁白中，維持一致的聲音特徵、音色、音量和聲學室調，不會出現聲音漂移。
- 道地的區域口音和發音：支援區域口音、少數族群方言，以及內嵌的國際音標 (IPA) 覆寫。
- 支援完整的語音生態系統：可與預先建構的語音、擴充語音庫 (
GET /v1beta/voices)、自訂語音設計角色和語音複製 (預設為持續儲存語音，另提供選用的無狀態金鑰) 完美搭配運作。您也可以在 Google AI Studio 中，以互動方式設計及複製聲音。
如要全面瞭解功能、提示最佳做法和程式碼範例，請參閱 Text-to-Speech 指南。
各個 TTS 模型的使用時機
Gemini 3.8 TTS 模型共用相同的 API 架構和提示結構。選擇符合工作負載需求的模型：
| 功能 / 工作負載 | Gemini 3.8 Flash TTS (gemini-3.8-flash-tts) |
Gemini 3.8 Flash-Lite TTS (gemini-3.8-flash-lite-tts) |
|---|---|---|
| 主要優點 | 盡可能提高語音保真度、演技細節和方言涵蓋範圍 | 高處理量、低延遲和具成本效益 |
| 最佳用途 | 有聲書、錄音室旁白、複雜的多人對話、大量爆發性演技、難以發音的字詞、地方方言 | 大量製作、即時語音代理串聯、朗讀功能、語音複製、日常單一說話者生成 |
| 支援的語言 | 130 種語言 | 101 種語言 |
| 建議更換為 | 全新旗艦廣告素材層級 | gemini-3.1-flash-tts-preview |
遷移指南
如要從 gemini-3.1-flash-tts-preview 或更早的 Gemini TTS 模型遷移，請更新 Gemini 3.8 TTS 架構的要求：
- 將回合層級的指示移至
speech_metadata：Gemini 3.8 TTS 會將輸入文字嚴格視為逐字稿。系統可能會朗讀行內文字方向，例如"Say cheerfully: Hello!"或"Speaker 1: Hello!"。將持續傳送指示 (style) 和發言者標籤 (speaker) 移至結構化中繼資料：- 互動 API：使用
"type": "speech_metadata"、"speaker"和"style"為每個文字內容區塊附加註解。 - GenerateContent API：將
"speech_metadata": {"speaker": "...", "style": "..."}附加至每個part。
- 互動 API：使用
- 只針對特定時間點的語音事件使用角括號內嵌標記：使用角括號 (例如
<laugh>、<sigh>、<cough>、<breath>或<short pause>)，將短暫的非語音發聲和停頓內嵌在轉錄稿中。將耳語等傳達方式放在speech_metadata.style中。 - 在多位說話者要求中，為每個輪流發言指定
speaker：多位說話者要求中的每個輪流發言，都必須在speech_metadata內明確包含speaker，且與其中一位已設定的說話者相符。 - 預先使用 Voice Design 設計角色：使用在 Voice Design 中建立的自訂語音，取代舊版音訊設定檔 / 導演附註區塊，然後透過 TTS 要求傳送該
voice_...ID，並使用最少或空白的style字串。 - 單元要求預設會輸出 WAV (
audio/wav)：與gemini-3.1-flash-tts-preview和先前的 TTS 模型不同 (預設會傳回無標頭的原始 PCMaudio/l16)，Gemini 3.8 TTS 預設會為單元要求傳回含有標準 RIFF 標頭的 WAV 音訊 (audio/wav/AUDIO_WAV)。- 如果您的程式碼先前將原始 PCM 位元組包裝在 WAV 標頭中 (例如使用 Python 的
wave模組或ffmpeg)，請移除手動標頭包裝函式，並將傳回的位元組直接寫入.wav檔案。 - 如果管道需要無標頭的原始 PCM、mu-law 或 A-law 音訊，請將
response_format明確設為"audio/l16"("AUDIO_L16")、"audio/mulaw"("AUDIO_MULAW") 或"audio/alaw"("AUDIO_ALAW")。請參閱音訊輸出格式。
- 如果您的程式碼先前將原始 PCM 位元組包裝在 WAV 標頭中 (例如使用 Python 的
gemini-3.8-flash-tts
| 屬性 | 說明 |
|---|---|
| 模型代碼 | gemini-3.8-flash-tts |
| 支援的資料類型 |
輸入裝置 文字 輸出內容 音訊 |
| 代幣限制[*] |
輸入權杖限制 8,192 輸出詞元限制 16,384 |
| 功能 | 支援 支援 不支援 不支援 不支援 不支援 不支援 不支援 不支援 不支援 不支援 不支援 |
| 計費方案 |
支援 支援 支援 |
| 個版本 |
|
| 最新更新 | 2026 年 7 月 |
支援的語言
gemini-3.8-flash-tts 會自動偵測輸入語言，並支援 130 種語言：
| 語言 | 語言 | 語言 |
|---|---|---|
| 亞齊文 (阿拉伯文字) | 希臘文 | 尼泊爾文 (單一語言) |
| 南非荷蘭文 | 瓜拉尼語 | 奈及利亞富爾富爾德文 |
| 阿肯文 | 古吉拉特文 | 北亞塞拜然文 |
| 阿姆哈拉文 | 海地克里奧爾文 | 北索托文 |
| 亞美尼亞文 | 喀爾喀蒙古文 | 北烏茲別克 |
| 阿薩姆文 | 豪薩文 | 挪威博克馬爾文 |
| 阿瓦德語 | 希伯來文 | 挪威文 (耐諾斯克) |
| 峇里語 | 北印度文 | 尼揚賈文 |
| 孟加拉文 | 匈牙利文 | 歐西坦語 |
| 班查文 (阿拉伯文字) | 冰島文 | 歐利亞文 (個別語言) |
| 班查文 (拉丁文字) | 伊博文 | 邦阿西楠語 |
| 巴什噶爾文 | 伊洛果語 | 波斯文 (阿富汗) |
| 巴斯克文 | 印尼文 | 波蘭文 |
| 白俄羅斯文 | 伊朗波斯文 | 葡萄牙文 |
| 本巴語 | 義大利文 | 旁遮普文 |
| 博杰普爾文 | 日文 | 羅馬尼亞文 |
| 波士尼亞文 | 爪哇語 | 俄文 |
| 布吉斯文 | 卡比爾文 | 桑塔利文 |
| 保加利亞文 | 坎巴文 | 塞爾維亞文 |
| 緬甸文 | 卡納達文 | 信德文 |
| 粵語 | 喀什米爾文 (阿拉伯文字) | 錫蘭文 |
| 加泰隆尼亞文 | 喀什米爾文 (天城文) | 斯洛伐克文 |
| 宿霧文 | 哈薩克文 | 斯洛維尼亞文 |
| 中庫德文點字 | 高棉文 | 索馬里語 |
| 切蒂斯格爾文 | 基庫猶文 | 南亞塞拜然文 |
| 中文 (漢字) | 盧旺達文 | 南普什圖語 |
| 中文 (繁體) | 剛果文 | 席索托文 |
| 克里米亞韃靼語 | 韓文 | 西班牙文 |
| 克羅埃西亞文 | 吉爾吉斯文 | 標準阿拉伯文 (阿拉伯文字) |
| 捷克文 | 寮文 | 標準阿拉伯文 (拉丁字母) |
| 丹麥文 | 拉特加萊語 | 標準拉脫維亞文 |
| 荷蘭文 | 林格拉文 | 標準馬來文 |
| 迪烏拉語 | 立陶宛文 | 斯瓦希里文 (個別語言) |
| 宗喀語 | 盧森堡文 | 史瓦濟語 |
| 阿拉伯文 (埃及) | 馬其頓文 | 瑞典文 |
| 英文 | 摩揭陀文 | 塔吉克文 |
| 愛沙尼亞文 | 邁蒂利文 | 泰米爾文 |
| 菲律賓文 | 馬拉雅拉姆文 | 泰盧固文 |
| 芬蘭文 | 馬爾他文 | 泰文 |
| 法文 | 曼尼浦里文 | 蒂格里亞文 |
| 加里西亞文 | 馬拉地文 | 托斯克阿爾巴尼亞文 |
| 干達文 | 米南佳保文 (阿拉伯文字) | 維吾爾文 |
| 喬治亞文 | 米南佳保文 (拉丁文字) | — |
| 德文 | 米佐文 | — |