Gemini 中文指南
获取 API 密钥 ↗

Gemini 3.8 Flash TTS

↓ 下载 MarkdownInteractions API

Gemini 3.8 Flash TTS (gemini-3.8-flash-tts)是 Google 的旗舰创意文本转语音模型,专为工作室级语音保真度、富有表现力的表演、真实的地方口音以及坚如磐石的长格式多转稳定性而设计。

在 Google AI Studio 中体验

概述和功能 #

Gemini 3.8 Flash TTS 为富有表现力的音频生成树立了新的基准:

  • 高音质和动作细微差别: 提供丰富的情感范围、自然的节奏和精确的转弯水平 style 方向和内联声音事件(<laugh>, <sigh>, <short pause>).
  • 长形多圈稳定性: 在长时间的对话和多分钟的旁白中保持一致的语音识别、音色、音量和声学音调,而不会出现语音漂移。
  • 地道的地方口音和发音: 支持地方口音和少数民族方言。
  • 完整的语音生态系统支持: 与预建语音无缝协作,扩展语音库 (GET /v1beta/voices), 定制 声音设计 人物角色, 声音复刻 (默认情况下持久存储的语音,加上可选的无状态密钥),以及 声音重混。您还可以以交互方式设计、复制和重新混合声音 Google AI Studio.

参观 文字转语音 全面覆盖功能、提示最佳实践和代码示例的指南。

何时使用哪种 TTS 模型 #

两个 Gemini 3.8 TTS 模型共享相同的 API 架构和提示结构。选择适合您工作负载的型号:

功能/工作负载Gemini 3.8 Flash TTS (gemini-3.8-flash-tts)Gemini 3.8 Flash-Lite TTS (gemini-3.8-flash-lite-tts)
主要实力最大的语音保真度、动作细微差别和方言覆盖高吞吐量、低延迟和成本效益
最佳用例有声读物、录音室旁白、复杂的多人对话、重声爆发表演、困难发音、地方方言大批量生产、实时语音智能体级联、朗读功能、语音复制、日常单扬声器生成
支持的语言130 语言101 语言
推荐替代品新旗舰创意层gemini-3.1-flash-tts-preview

迁移指南 #

如果您是从 gemini-3.1-flash-tts-preview 或早期的 Gemini TTS 型号,更新您对 Gemini 3.8 TTS 架构的请求:

  1. 将转弯水平方向移至 speech_metadata: Gemini 3.8 TTS 将输入文本严格视为逐字记录。内嵌文本方向如 "Say cheerfully: Hello!" 或 "Speaker 1: Hello!" 可以大声说出。移动持续交付指令(style)和说话者标签(speaker) 转换为结构化元数据:* Interactions API: 附加注释 "type": "speech_metadata", "speaker", 和 "style" 到每个文本内容块。
  • 生成内容 API: 附加 "speech_metadata": {"speaker": "...", "style": "..."} 对每个 part.
  1. 仅对时间点语音事件使用尖括号内联标签: 使用尖括号(例如 <laugh>, <sigh>, <cough>, <breath>, 或 <short pause>)。加入耳语等交付方式 speech_metadata.style.
  2. 指定 speaker 每次多发言者请求时: 多发言者请求中的每个回合都必须明确包含 speaker 里面 speech_metadata 匹配配置的扬声器之一。
  3. 使用语音设计预先设计角色: 用在中创建的自定义语音替换长旧的音频配置文件/导演注释块 声音设计,然后携带它 voice_... 通过 TTS 请求的 ID 最少或为空 style 字符串。
  4. 默认 WAV 帐户(audio/wav) 一元请求的输出: 不像 gemini-3.1-flash-tts-preview 和早期的 TTS 模型(返回无标头原始 PCM audio/l16 默认情况下),Gemini 3.8 TTS 返回 WAV 音频(audio/wav / AUDIO_WAV)对于一元请求默认带有标准 RIFF 标头。 * 如果您的代码之前将原始 PCM 字节包装在 WAV 标头中(例如,使用 Python 的 wave 模块或 ffmpeg),删除手动标头包装器并将返回的字节直接写入 .wav 文件。
  • 如果您的管道需要无头原始 PCM、mu-law 或 A-law 音频,请显式设置 response_format.mime_type 到 "audio/l16", "audio/mulaw", 或 "audio/alaw" (例如, {"response_format": {"type": "audio", "mime_type": "audio/l16"}} 在 Interactions API 中,或 AUDIO_L16, AUDIO_MULAW, 或 AUDIO_ALAW 在 generateContent)。参见 音频输出格式.

gemini-3.8-flash-tts #

属性

说明

模型代码

gemini-3.8-flash-tts

支持的数据类型

输入 文本

输出 音频

token 限制[*]

输入token限制 8,192

输出 token 限制 16,384(Gemini API 服务限制)

功能

音频生成

✓ 支持

代码执行

− 不支持

上下文缓存

− 不支持

文件搜索

− 不支持

函数调用

− 不支持

图像生成

− 不支持

Live API

− 不支持

结构化输出

− 不支持

思考

− 不支持

URL 上下文

− 不支持

消费选择

Batch API

✓ 支持

弹性推理

✓ 支持

优先推理

✓ 支持

版本

阅读 模型版本模式 了解更多详情。

  • gemini-3.8-flash-tts

最新更新

九月 2026

价格

价格

支持的语言 #

gemini-3.8-flash-tts 自动检测输入语言并支持 超过 130 语言:

语言语言语言
亚齐语(阿拉伯文字)希腊语尼泊尔语(个人语言)
南非荷兰语瓜拉尼语尼日利亚富尔福德
阿寒古吉拉特语北阿塞拜疆语
阿姆哈拉语海地克里奥尔语北索托
亚美尼亚语哈尔蒙古语北乌兹别克语
阿萨姆语豪萨语挪威博克马尔语
阿瓦迪希伯来语挪威尼诺斯克语
巴厘岛人印地语尼亚尼亚
孟加拉语匈牙利语奥克语
班贾尔(阿拉伯文字)冰岛语奥迪亚语(个人语言)
Banjar(拉丁文字)伊博语邦阿西南
巴什基尔语伊洛科波斯语(阿富汗)
巴斯克语印度尼西亚语波兰语
白俄罗斯语伊朗波斯语葡萄牙语
本巴意大利语旁遮普语
博杰普尔日语罗马尼亚语
波斯尼亚语爪哇语俄语
布吉语卡比尔桑塔利
保加利亚语康巴塞尔维亚语
缅甸语卡纳达语信德语
粤语克什米尔语(阿拉伯文字)僧伽罗语
加泰罗尼亚语克什米尔语(德瓦文字)斯洛伐克语
宿务语哈萨克语斯洛文尼亚语
中库尔德语高棉语索马里语
恰蒂斯加尔邦基库尤语南阿塞拜疆语
中文(汉文)基尼亚卢旺达语南普什图语
中文(汉文)刚果南索托语
克里米亚鞑靼人韩语西班牙语
克罗地亚语吉尔吉斯斯坦标准阿拉伯语(阿拉伯文字)
捷克语老挝标准阿拉伯语(拉丁字母)
丹麦语拉特加利安标准拉脱维亚语
荷兰语林加拉语标准马来语
迪乌拉立陶宛语斯瓦希里语(个人语言)
宗卡卢森堡语斯瓦蒂
埃及阿拉伯语马其顿语瑞典语
英语马加希塔吉克族
爱沙尼亚语迈蒂利泰米尔语
菲律宾人马拉雅拉姆语泰卢固语
芬兰语马耳他语泰语
法语曼尼普里提格里尼亚
加利西亚语马拉地语托斯克阿尔巴尼亚语
干达米南加保语(阿拉伯文字)土耳其语
格鲁吉亚语米南加保语(拉丁文)维吾尔族
德语米佐越南语

搜索标题、API 名称或正文内容