Gemini 3.8 TTS 讓配音多了演技：原創聲線、雙人接話，還能複製授權人聲
Google 新一代語音模型加入角色聲音設計、逐句表演與授權人聲複製。本文整理官方展示、Flash 與 Flash-Lite 差異、台灣使用入口及限時 API 價格，也釐清雙角色生成的限制。
本文導覽
新聞事件日期：2026-09-23；資料查核：2026-10-03（UTC）。
AI 生成示意／官方資料整理，非產品截圖。
角色低聲說出祕密，另一個人倒抽一口氣，接著插話追問——這些表演細節，現在都能交給文字轉語音模型安排。Google 在 9 月 23 日推出 Gemini 3.8 Flash TTS 與 Flash-Lite TTS，把角色聲線、語氣和對話節奏放進同一套語音製作工具，瞄準影音旁白、遊戲對白與有聲內容創作。官方公告
快速重點
- 聲音可以設計：用文字設定角色聲線，逐句安排語氣、笑聲與停頓。
- 兩款各有側重：Flash 重表演細節；Flash-Lite 偏低延遲與大量生成。
- 雙角色的限制：API 單次雙人限預設聲音，自訂聲音須分段生成。
用文字描述，做出角色專屬的聲音
Voice Design 可以用年齡、音色、口音與說話方式描述角色，生成可重複使用的聲音。官方開發範例設定了一位接近七十歲、帶柔和英國口音的天文學家，再讓他以沉思又驚嘆的語氣談論宇宙。這個例子把「角色本來的聲音」與「這一刻怎麼說話」分開，後續換台詞仍能沿用同一個聲音 ID。Voice Design 文件
發布文章則展示墨爾本 DJ、音色薄而帶金屬感的單調機器人，以及說日語的龍，呈現聲音設計能涵蓋的角色差異。Google 另預告 Voice Remixing，可從既有聲音微調音色、音高等特徵；9 月 23 日公告當時將它列為即將推出。官方展示與功能狀態
AI 生成示意／官方資料整理，非產品截圖。設計聲音 → 安排表演 → 生成音訊；API 單次雙角色僅支援預設聲音，自訂聲音須分段生成。
官方示範｜從文字描述到角色聲線（1 分 24 秒）
官方示範，點擊播放。Google 官方聲音設計展示；播放需連網。
笑聲、停頓與插話，都能成為表演的一部分
新模型把持續的表演方式與短暫聲音事件分開處理：一整句的低語、急促或諷刺語氣放在表演指示中；笑聲、嘆氣和停頓則安排在台詞的特定位置。雙人對話還能加入聽者的簡短回應與交疊說話，讓兩個角色有接話的節奏。語音生成指南
不過，目前 API 單次請求的雙角色生成，僅支援預設聲音。如果兩位角色使用自行設計或複製的聲音，必須分別生成各自的回合再組合；聲音設計與雙人劇本是兩項能力，不能直接理解為自訂雙角一鍵完成。API 限制
官方示範｜聽見兩個角色的接話節奏（1 分 03 秒）
官方示範，點擊播放。Google 官方雙人表演示範。API 單次雙角色生成目前僅支援預設聲音；自訂聲音仍需分段生成。
複製聲音需要錄音，也需要本人同意
官方聲音複製文件要求兩份來自同一位成年說話者的錄音：一段 10～30 秒的乾淨人聲樣本，以及本人朗讀指定同意聲明的錄音。AI Studio 提供錄製或上傳、同意驗證與預聽流程，兩款模型都支援這項功能。使用他人聲音仍需取得授權與本人同意，不能只拿一段網路錄音就當作可用素材。Voice Replication 文件
Flash 重表演，Flash-Lite 重速度與成本
官方資料整理，2026-10-03 查核；AI 生成示意，非產品截圖。兩款模型的實際規格與價格見下表。
兩款模型共用 API 格式，也都支援聲音設計和複製。Google 將 Flash 放在有聲書、細膩表演與複雜對白等創作用途；Flash-Lite 則偏大量內容生成、朗讀和語音代理。官方規格差異如下。Flash 文件、Flash-Lite 文件
| 項目 | Flash TTS | Flash-Lite TTS |
|---|---|---|
| 模型 ID | gemini-3.8-flash-tts | gemini-3.8-flash-lite-tts |
| 主打方向 | 聲音保真度、表演細節、方言涵蓋 | 低延遲、大量生成、成本效率 |
| 官方列出的語言數 | 130 | 101 |
長篇創作也有服務上限。兩款模型目前單次輸入上限為 8,192 tokens、輸出為 16,384 tokens，因此「適合有聲書」不等於一次請求就能輸出整本書。模型規格
API 優惠到年底，10 分鐘音訊輸出怎麼算？
截至 10 月 3 日查核，Standard 付費方案到 2026 年 12 月 31 日的費率如下，單位均為美元。價格表分開計算文字輸入與音訊輸出。官方定價
| 模型 | 每百萬文字輸入 tokens | 每百萬音訊輸出 tokens | 換算 10 分鐘音訊輸出 |
|---|---|---|---|
| Flash TTS | US$0.50 | US$9 | 約 US$0.135 |
| Flash-Lite TTS | US$0.50 | US$6 | 約 US$0.09 |
最後一欄依官方每秒 25 個音訊 tokens 換算，只算輸出，文字輸入另計。自 2027 年 1 月 1 日起，兩款文字輸入均為 US$1／百萬 tokens；音訊輸出分別為 US$18 與 US$12／百萬 tokens。官方也列有免費層；付費 Batch 的輸入、輸出單價為 Standard 的一半，Batch 沒有免費層。費率與計價說明
台灣讀者從哪裡開始？
目前可從 Google AI Studio體驗，或透過 Gemini API 串接。發布公告說明兩款自 9 月 23 日起逐步推出，並列出 Flash 導入 Gemini Notebook、Flash-Lite 導入 Google Vids；當時 Gemini Enterprise 的 API 則標為即將推出。推出資訊
台灣在 AI Studio 與 Gemini API 的支援地區清單內，AI Studio 要求年滿 18 歲並符合帳號驗證條件；地區支援不代表每個帳號都已取得所有新功能。地區與帳號條件
兩款的語言清單都列有繁體中文。本文依官方資料整理，未自行生成或試聽音檔；語言支援清單不能用來判定台灣口音的自然度。支援語言