Gemini 3.8 Flash TTS (gemini-3.8-flash-tts) 是 Google 的旗舰级文字转语音模型，可通过 Gemini Enterprise 使用。它专为录音室级语音保真度、富有表现力的演绎、地道的地区口音以及稳定的长篇多轮音频而打造。
功能
- 声音保真度和表演细节：提供丰富的情感表达、自然的语调，并严格遵循轮次级
style指示和内嵌语音事件（例如<laugh>、<sigh>和<short pause>）。 - 长篇幅、多轮对话稳定性：在长对话和长达数分钟的旁白中，保持语音身份、音色、音量和房间音调的一致性。
- 地区口音和发音：支持 130 种语言的地区口音和少数民族方言。
- 语音选项：支持 30 种预构建语音、扩展语音库中的 2,000 多种精选语音、您使用语音设计创建的语音，以及您使用语音复刻复刻的语音。
如需了解功能、代码示例和提示指南，请参阅使用 Gemini TTS 生成语音。
何时使用哪种 TTS 模型
两个 Gemini 3.8 TTS 模型采用相同的请求架构和提示格式。 选择适合您工作负载的模型：
| 功能或工作负载 | Gemini 3.8 Flash TTS (gemini-3.8-flash-tts) |
Gemini 3.8 Flash-Lite TTS (gemini-3.8-flash-lite-tts) |
|---|---|---|
| 主要优势 | 声音逼真度、表演细微差别和方言覆盖范围 | 高吞吐量、低延迟和高成本效益 |
| 最佳应用场景 | 有声读物、录音室旁白、复杂的多人对话、频繁的语音爆发标记、发音困难、区域方言 | 大规模生成、实时语音代理级联、大声朗读功能、语音复刻、日常单人语音 |
| 支持的语言 | 130 种语言 | 101 种语言 |
| 模型 ID | gemini-3.8-flash-tts |
|
|---|---|---|
| 模态 |
|
|
| token 数量上限 | 输入 token 限制 | 8192 |
| 输出 token 限制 | 16384 | |
| 功能 | ||
| API |
|
|
| 使用选项 | ||
| 支持的区域 |
|
|
|
||
|
||
|
Voices API（预览版） |
|
|
| 版本 |
|
|
| 支持的语言 | 130 种语言。请参阅支持的语言。 | |
开始使用
以下示例会生成单人语音并将其保存为 WAV 文件：
控制台
- 在 Agent Studio 中打开 Gemini 3.8 Flash TTS。
- 在设置面板中，选择声音、语言（或保留自动检测），以及可选的风格说明（例如
cheerful and friendly）。 - 在提示框中输入要朗读的转写内容，然后提交以生成、播放或下载 WAV 音频。点击获取代码，将请求导出为 Python、JavaScript 或 curl。
Python
from google import genai
client = genai.Client(enterprise=True, project="PROJECT_ID", location="global")
response = client.models.generate_content(
model="gemini-3.8-flash-tts",
contents=[{
"role": "user",
"parts": [{
"text": "Have a wonderful day!",
"speech_metadata": {"style": "cheerful and friendly"},
}],
}],
config={
"response_modalities": ["AUDIO"],
"speech_config": {"voice_config": {"voice": "Kore"}},
},
)
# The SDK has already decoded the base64 audio, so inline_data.data is a
# complete WAV file by default.
with open("out.wav", "wb") as f:
f.write(response.candidates[0].content.parts[0].inline_data.data)
REST
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json" \
https://aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/global/publishers/google/models/gemini-3.8-flash-tts:generateContent \
-d '{
"contents": [{
"role": "user",
"parts": [{
"text": "Have a wonderful day!",
"speechMetadata": {"style": "cheerful and friendly"}
}]
}],
"generationConfig": {
"responseModalities": ["AUDIO"],
"speechConfig": {
"voiceConfig": {"voice": "Kore"}
}
}
}' | jq -r '.candidates[0].content.parts[0].inlineData.data' | base64 --decode > out.wav
如果您使用的是早期 Gemini TTS 模型，请参阅迁移指南。