Google发布Gemini 3.8 TTS模型，支持自定义语音与精细控制

Google今日发布了两款新的文本转语音模型：Gemini 3.8 Flash TTS和Gemini 3.8 Flash-Lite TTS。前者面向深度创意指导和角色设计，允许用户通过自然语言提示创建全新声音，并逐行控制表演细节，包括语气、节奏、方言转换和应答。后者针对高容量、成本敏感的场景优化，适合批量配音、音频内容创建和具表现力的语音代理。

这两款模型支持从30个原始声音扩展到无限自定义声音库，覆盖100多种语言和方言，提供超过2000个生产级声音模板。用户还可通过30秒的音频样本复制声音，系统内置同意验证、SynthID水印和C2PA凭证以保护权益。语音混音功能即将推出，允许调整音色、音高、语速和口音。

新增的逐行导演控制功能允许用户编写舞台指示，实现长式音频生成、双人场景调度和脚本化非语言表达（如笑声、叹息），适用于播客、有声书和交互式语音代理。模型已集成至Google AI Studio、Gemini API、Gemini Enterprise、Gemini Notebook和Google Vids，并配备水印等安全工具。