用 Gemini 3.8 文本转语音创建自定义声音

Google DeepMind 发布 Gemini 3.8 文本转语音能力，支持用自然语言提示从零设计全新声音角色，适用于游戏、有声书与双人播客；也可仅凭 30 秒音频样本复刻一致的成人口音音色。配套提供同意验证、SynthID 水印与 C2PA 凭证。Product Hunt 同期列出 Gemini 3.8 Flash TTS 与 Gemini 3.8 Flash-Lite TTS 两个型号。

此前语音合成多依赖录制素材或较长样本调校，此次把声音设计变为提示词驱动，并允许逐句控制表演、节奏、语气词与方言切换，同时以短样本快速复刻音色。合规侧首次在同一发布中组合同意验证、SynthID 与 C2PA，降低开发者与配音者之间的版权与授权风险。

以自然语言提示作为声音生成的控制层，使音色、情绪与表演细节可被逐行编排；短样本复刻则把说话人特征提取与迁移压缩到 30 秒输入。同意验证与水印、来源凭证形成从生成到分发的可追溯链路，机制上便于平台核验声音来源与授权状态。

游戏、有声书、播客等音频产品可把配音从录制流程改为提示词与样本驱动的生成流程，减少录制与返工成本，并支持快速迭代不同角色音色。产品需接入同意验证与 SynthID、C2PA 元数据处理，以应对授权证明与内容标注要求；Flash 与 Flash-Lite 两个型号意味着可在效果与成本间取舍。

• 为游戏与有声书团队做声音角色库，用提示词批量生成并版本管理不同音色
• 面向播客与短视频工具提供双人对话与语气词自动生成，支持逐句表演调整
• 构建 30 秒样本复刻加同意验证的工作流，输出带 SynthID 与 C2PA 凭证的音频文件
• 按 Flash 与 Flash-Lite 分级做成本路由，把低价值场景放到轻量型号

• Gemini 3.8 Flash TTS 与 Flash-Lite TTS 在效果、延迟与定价上的具体差异未在证据中说明
• 同意验证的具体流程、适用范围与失败处理方式未披露
• 30 秒样本复刻的语言覆盖范围与口音一致性程度未知
• SynthID 与 C2PA 凭证在下游平台的实际识别与执行情况尚不明确