Gemini 3.8 TTS：从预设到动态配音工作室
Gemini 3.8 text-to-speech says hello
Google 推出了 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS，将语音生成从静态预设升级为动态创意工作室。开发者现在可以通过自然语言提示，从零开始定制角色声音，精确控制表演细节、语速、方言甚至呼吸和笑声等副语言线索。这套模型支持超过 100 种语言，在 Hume AI 的基准测试中名列前茅，并内置 SynthID 水印和同意验证机制，确保内容安全与透明。无论是制作沉浸式有声书、游戏角色对话，还是构建多语言语音代理，Gemini 3.8 系列都提供了前所未有的灵活性与表现力。
我们将语音生成从静态预设转变为动态创意工作室，让创作者、开发者和企业能够打造更丰富、更具表现力的音频体验。
HN 评论区
146- rcr-anti
Google AI 发布的一个让我抓狂的点：他们旗下的三个平台（消费级、专业级、云端）之间毫无对齐。翻到每个发布说明的末尾，包括这一次，你都会看到不同的可用性说明。更有趣的是，模型在不同平台上的能力甚至都不一样！据我上次尝试和查阅文档，Omni Flash 在消费级和专业级平台上支持视频和文本输出，但在 GCP 上仅支持视频输出。所以，如果你的组织像我的一样禁用了消费级和专业级平台，那么能否使用这些花哨的新模型，以及它们能做什么，完全就是抛硬币决定的。
- simonw
> 声音复刻：仅需 30 秒的音频样本（你自己的声音或你拥有使用权的声音）即可重现一致的声音特征，内置同意验证、SynthID 水印和 C2PA 凭证，以保护开发者和他们的声音人才。
我想现在其他提供商已经广泛提供声音克隆服务了，所以 Google 不再 hesitant 地推出这项功能。
- thangalin
这里有一个我制作的 Emotive Audiobook Creator（KeenLore）的视频，这是一个本地托管的 Web 应用：
https://www.youtube.com/watch?v=WAeHgE94rVo
无需云端，无需支付 Token。它可以为整本书配上一整支角色阵容。引文归属检测（针对我的小说）准确率达到 97.2%（485/499 个引文被正确识别并分配）。角色声音描述的自动填充功能会利用散文内容来判断角色的声音特质。
它使用 Gemma 4[1] 进行散文分析（声音填充、引文检测），并使用 Qwen3 TTS Voice Design[2] 创建声音样本。运行环境为 8GB NVIDIA T1000 GPU、96 GB RAM 和 AMD Ryzen 5 7600 处理器。
[1]: https://deepmind.google/models/gemma/gemma-4/
[2]: https://huggingface.co/spaces/Qwen/Qwen3-TTS-Voice-Design
- Multicomp
我导演了自己的长篇白日梦《星际迷航》同人小说（好吧，我现在写到第二季第 17 集），最近我想看看能否把每个场景文件像有声书或广播剧那样朗读出来。
要让 GPT-Live 生成足够独特且富有表现力的声音，以匹配我脑海中想象的声音走向，很难掌控，那里的控制力不够。
所以，发现 Gemini 3.8 拥有如此庞大的声音库，并且能够进行紧密控制（如果你愿意编写脚本的话），感觉很不错。虽然我不确定这是 Gemini 的 5286 个产品中的哪一个，也不知道如何上手并开始导入我自己的文本文件，更不知道如果我真的使用了它，我的数据会经历什么样的训练，但我非常高兴行业现状能让 Google 做到这一点并公开发布，因为这意味着最终会有其他人推出等效产品，可以本地使用，并且能确信生成的音频或输入不会被保留或滥用。
- seemaze
我使用 TTS 的主要场景是将书面内容（博客、文章等）转换成可以在通勤时收听的片段。
有没有一款好用的浏览器扩展程序，能配合灵活的 TTS 后端实现这一功能？我知道 Qwen、Kokoro 和 VibeVoice 的质量都不错。
- accountrequired
“用户在创建声音之前，必须提供声音所有者的一段口头同意录音，且该录音需与参考说话者匹配”
这段录音会存储多久？出了什么问题会怎样？:P
- nater5000
当我尝试在 AI Studio 中使用 Voice Design 生成声音时，它报错。它还提示声音复刻功能在我的地区不可用。
另外，很奇怪的是英语里竟然没有“中性性别”的声音。而且“使用场景”也很有限，比如“游戏”这个使用场景竟然是空的？
而且到处都找不到定价信息。
我不确定，但我觉得他们的发布有点草率。不过有点可惜，因为目前可用的声音听起来都像是通用的 Gemini 声音。对我来说，没有什么特别有趣或令人印象深刻的地方。
- maelito
相关的，对于嵌入小型模型，这个库简直太棒了。
拥有一个不到 1MB 的声音模型简直疯狂，哪怕它听起来有点机器人味。