有助於理解文章的圖片
兩款 TTS 模型開放 API 與 AI Studio 使用
Google 於當地時間 2026 年 9 月 23 日發表 Gemini 3.8 Flash TTS 與 Gemini 3.8 Flash-Lite TTS，主打聲音客製化與口音呈現能力，並已透過 Gemini API、Google AI Studio 提供服務。兩款模型的識別碼分別為 gemini-3.8-flash-tts及 gemini-3.8-flash-lite-tts，Gemini Enterprise 的 API 則預計稍後開放。
Gemini 3.8 Flash TTS 已向所有使用者開放於 Gemini Notebook 使用，Flash-Lite TTS 則可在 Google Vids 使用。科技媒體 The Next Web 報導，兩款模型支援超過 100 種語言與方言，以及逾 2,000 種預製聲音；其中 Flash TTS 可在完成同意確認程序後，利用 30 秒聲音樣本進行聲音複製。不過，透過 Google AI Studio 提供的聲音複製功能不適用於美國伊利諾州、德州、歐洲經濟區、英國、瑞士及印度。
Google 表示，Gemini Audio 模型生成的所有音訊都會加入 SynthID 浮水印，以利辨識 AI 生成語音；複製聲音也會附上 C2PA 內容憑證。RuntimeWire 則指出，產品推出時，Google 尚未具體公布聲音同意確認程序、延遲時間及使用量數據，也缺乏獨立驗證。
Google 宣稱多項評測領先 獨立榜單結果不同
Google 宣稱，Gemini 3.8 Flash TTS 在 Hume AI 的 Voice Design Benchmark 中，以綜合分數 71.4 排名第一，口音建模也以 60.8 居冠。依公司公布資料，Flash TTS 與 Flash-Lite TTS 在 Hume AI 的 Overall Quality Index 分別取得第一、第二名；Voice Arena 的盲測偏好評估則顯示，兩款模型在日語、巴西葡萄牙語、越南語、現代標準阿拉伯語、墨西哥西班牙語及印地語項目均名列前段。
不過，RuntimeWire提醒，Hume 評測相關說法來自 Google，自身並不足以確定不同產品間的優劣。該媒體並報導，Hume AI 前執行長、現任 Google DeepMind 研究科學總監 Alan Cowen，以及 Leland Rechis，均參與此次產品推出工作。
獨立評測平台 Artificial Analysis 的 Provider Voice 排行榜呈現不同結果。Gemini 3.8 Flash TTS 以 Elo 1260、95% 信賴區間正負 17 排名第二；Flash-Lite TTS 則以 Elo 1235、95% 信賴區間正負 16 排名第六。Cartesia Sonic 3.6 以 1,757 份樣本及 Elo 1273 居首，領先 Flash TTS；Alibaba Qwen-Audio-3.0-TTS-Plus 以 Elo 1259 排名第三，Inworld Realtime TTS-2 以 Elo 1245 排名第四，ElevenLabs v3 Conversational 則以 Elo 1196、95% 信賴區間正負 15 排名第十二。
發音穩健度居首 領先差距仍在誤差範圍
在 Artificial Analysis 的 Pronunciation Robustness Benchmark 發音穩健度評測中，Gemini 3.8 Flash TTS 以 89.5% 排名第一，高於前一代 Gemini 3.1 Flash TTS 的 88.2%。
OrcaRouter 指出，在 Artificial Analysis Provider Voice Arena 中，Gemini 3.8 Flash TTS 根據 1,999 份樣本取得 Elo 1260，Qwen-Audio-3.0-TTS-Plus 則根據 1,447 份樣本取得 Elo 1259，兩者僅相差 1 分。考量信賴區間較寬，排名前三的模型可視為落在同一範圍內。
標準方案至 2026 年底免費
兩款模型的標準等級均免費至 2026 年 12 月 31 日。自 2027 年 1 月 1 日起，Gemini 3.8 Flash TTS 每 100 萬權杖的輸入費用為 1 美元、音訊輸出為 18 美元、內容快取為 0.25 美元；Flash-Lite TTS 的輸入費用為 1 美元，音訊輸出為 12 美元。
Batch & Flex 方案方面，Flash TTS 每 100 萬權杖的輸入價格為 0.25 至 0.50 美元，輸出為 4.50 至 9 美元；Flash-Lite TTS 的輸入為 0.25 至 0.50 美元，輸出為 3 至 6 美元。Priority 等級同樣免費至 2026 年底，之後 Flash TTS 的輸入、輸出費用分別為 1.80 美元及 32.40 美元；Flash-Lite TTS 則分別為 1.80 美元及 21.60 美元。
留言
張貼留言