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。
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:
- 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.
- 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. - 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。 - 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。 - 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 PCMaudio/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 |
|
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 | |
消费选择 | |
版本 | 阅读 模型版本模式 了解更多详情。
|
最新更新 | 九月 2026 |
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 |