Gemini 3.8 Flash TTS 新增语音设计与声音复刻
Google for Developers 发布视频,介绍 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 支持语音设计与声音复刻:用户可在 AI Studio 用文本描述年龄、性别、口音、语言等生成自定义音色,也可复刻自己的声音,并通过 Gemini API 以 voice ID 调用。官方称支持100多种语言。该更新把音色设计与 API 调用串起来,利于多语言语音应用,但视频为官方演示,未提供独立评测、延迟、价格或滥用防护细节。
把自定义音色从试听工具推进到 API 可调用,降低多语言语音产品原型门槛;但声音复刻涉及授权、身份冒用与平台合规。
实现链路
官方演示链路:在 ai.studio/generate-speech 选择 voice design 或 voice replication,用文本提示描述音色或复刻声音,生成 voice ID,再经 Gemini API 调用。支持100多种语言为官方说法。
最小复现思路
最小验证可固定同一段多语言文本,分别测试文本描述设计音色与经授权的声音复刻,记录音质、延迟、口音稳定性及 API 返回;先确认配额与商用条款。
已知与推测
来源披露:已读完整 YouTube 字幕,但字幕未经人工校对,画面未逐帧核验;语言覆盖、音质、延迟与价格均未独立验证。
成本与风险
依赖 Gemini API 与 AI Studio;成本、配额和商用条件需以官方为准;声音复刻须取得授权,防范深度伪造和平台滥用政策;官方演示不等于生产可用。
原始来源与证据范围 1 条
- YouTube · Google for Developers ↗
已读取YouTube平台字幕(工具未返回实际语言及人工/自动类型;未经人工校对;未核验画面);完整返回字幕轨