← 資訊首页 | 货源大厅

谷歌发布Gemini 3.8双语音模型,声音设计基准登顶:TTS从“配音工具”走向“声音生产线”

2026-09-23 · 来源:华尔街见闻全球·中继

谷歌发布Gemini 3.8双语音模型,声音设计基准登顶:TTS从“配音工具”走向“声音生产线”

两款新TTS模型支持从零设计声音、30秒样本克隆与双人对话,已向开发者开放。业内认为,此番更新把语音生成的竞争焦点从自然度推向可控性与创意表达,对AI算力买家与内容团队的成本结构、采购决策均有直接影响。

谷歌周三推出两款新的文本转语音(TTS)模型——Gemini 3.8 Flash TTS与Gemini 3.8 Flash-Lite TTS。前者侧重声音表现力,面向有声书、播客、游戏角色与互动媒体等创意场景;后者为大规模、低成本语音生成而优化,覆盖内容配音、音频制作与实时语音代理。这一次发布表面上是常规产品线迭代,实质上标志着TTS赛道进入“声音可编程”阶段:语音不再只是把文字念出来,而是可以被设计、被导演、被批量导演。

语言支持上,Flash TTS达130种,Flash-Lite TTS为101种,二者均可按文字指令调整声音、语速、情绪与对话方式。这一覆盖面在当前商用TTS产品中处于第一梯队,对出海内容团队尤其关键——同一套脚本可以低成本产出多语言版本,而不必逐语种签约配音演员或租用录音棚。

声音定制是Flash TTS的核心看点:用户能以自然语言提示词从零设计声音,设定角色、口音与声音特征;也可用约30秒音频样本复制声音,前提是获得声音所有者同意并通过相应验证机制,生成音频将嵌入不可感知的SynthID水印以标识AI内容。在Hume AI的Voice Design Benchmark中,该模型取得71.4分,位居声音设计综合指标第一;两款模型在Hume AI Overall Quality Index中分列第一与第二。谷歌还提供超过2000种即用音色,涵盖墨西哥西班牙语、魁北克法语、苏格兰英语等地区变体。

在“表演”层面,两款模型均支持对每一句台词单独控制,用户可通过脚本指令调节语气、节奏、情绪与停顿;模型支持双人对话,并能在同一脚本中保持不同角色的声音区分,还可生成笑声、叹气等非语言声音以及“嗯”“是的”等应答,使输出更接近真实交流。这种逐句级导演能力,正是游戏、互动叙事与智能客服等场景长期缺失的能力——过去这些团队往往需要把生成音频再导入后期软件逐段修饰,现在流程被压缩到一次脚本调用。

分发渠道方面,两款模型已通过Gemini API与Google AI Studio向开发者提供,Flash TTS还可用于Gemini Notebook,Flash-Lite TTS已接入Google Vids,面向企业的Gemini Enterprise API支持将于后续推出。谷歌此番更新的定位也很清晰:并非单纯提升语音自然度,而是增强用户对AI声音“设计”与“表演”的控制,让语音生成从固定音色选择,扩展到可定制的角色、场景与多角色对话。

从行业影响看,这次发布将进一步加剧云厂商在语音生成领域的竞争,压力会传导到第三方TTS服务商与配音外包市场。对企业买家而言,选型逻辑需要重新梳理:如果业务是海量、标准化的内容配音,Flash-Lite TTS这类低成本批量生成通道明显更经济;如果业务核心是角色IP、有声内容或互动体验,则声音设计与表演控制能力带来的差异化价值,可能远超单位调用成本的差价。此外,SynthID水印与声音所有者授权验证机制,意味着合规采购应把“来源可验证、授权可追溯”纳入供应商评估清单,这在监管趋严的环境下不再是可选项。

对算力与API买家还有一层现实考量:模型发布与商用计价之间通常存在时间差,采购团队应先在AI Studio等免费或试用渠道完成工作负载测试,估算每百万字符或每分钟音频的稳定吞吐与峰值弹性,再决定接入方式。同时,企业级SLA、专属部署与Gemini Enterprise API的后续定价,都是批量采购前必须锁定的问题。在当前版本尚未完全开放企业计价的情况下,建议采用“小规模试点、留出切换空间”的策略,避免早期深度绑定单一渠道。

行情与采购参考方面,需要提示的是:Gemini 3.8 Flash TTS与Gemini 3.8 Flash-Lite TTS两款模型当前无在售挂价数据。也就是说,在万安算交所的在售货源监测中,这两款型号尚无现货挂单与报价记录,买家短期内仍以官方API渠道为主要获取途径,二级市场的整机或算力包报价需待供应商跟进后再行比较。建议持续关注本所后续行情报告,待挂价数据上线后再做成本基准测算。

整体而言,谷歌把TTS的竞争维度从“像不像人”升级为“听不听导演”,这一步对内容产业的意义可能不亚于自然度本身。当声音可以被语言定义、被脚本表演、被水印追溯,语音生成正在从工具变成生产资料,而围绕它的采购与合规体系,也需要随之重建。

Q: Gemini 3.8 Flash TTS在Hume AI Voice Design Benchmark中的得分和排名如何?

A: 该模型取得71.4分,位居声音设计综合指标第一;两款新模型在Hume AI Overall Quality Index中分列第一与第二。

Q: 目前在哪里可以使用这两款新模型,行情方面有何提示?

A: 两款模型已通过Gemini API与Google AI Studio向开发者提供,Flash TTS还可用于Gemini Notebook,Flash-Lite TTS已接入Google Vids,Gemini Enterprise API支持将于后续推出;行情方面,该型号当前无在售挂价数据,建议待挂价上线后再做成本测算。

主题标签: Google · Gemini · Gemini 3.8 Flash TTS · Text-to-Speech · Voice AI · SynthID


相关阅读


萬安算交所 AIXX · 萬安算交所 AIXX · 算力硬件实名会员制交易平台 · 进入货源大厅