Gemini 3.8 TTS｜多说话人情感可控的语音合成模型

这个工具能做什么

Gemini 3.8 TTS 是 Google DeepMind 发布的原生多模态语音合成模型。据其博客介绍，它支持多说话人、情感与语气控制，具有较低延迟，可通过 Gemini API 调用；官方 playground 可免费调试音色、语速和情感。同期还推出 Live Avatar 实时互动数字人产品。

上述功能描述来自官方博客，本站尚未实测；模型具体版本命名、支持语言、声音数量等以官方文档为准，需核查。

适合谁用

• 需要多角色、带情绪语音的对话助手与智能客服开发者。
• 做有声内容、短剧、虚拟人视频的创作者。
• 想在官方 playground 中快速试听音色效果的产品与设计人员。

基本使用步骤

1. 打开 DeepMind 博客文章，了解模型能力与适用场景。
2. 按官方指引访问 playground，输入文本并切换音色、语速、情感等参数试听。
3. 如需接入产品，申请 Gemini API 的访问凭证并按文档调用语音合成接口。
4. 根据实际输出调整文本与参数，导出音频。

费用与限制

playground 免费调试与 API 调用计费规则以官方定价页为准，需核验；Gemini API 在国内的可用性、配额与访问条件可能受限，需要自行确认。生成语音的商用条款、声音版权与用途限制应查阅 Google 的服务条款。

使用提示

用于公开内容时建议标注 AI 合成；涉及模仿真人声音的用途需遵守平台规则与当地法律。

来源与使用边界

原始入口：https://deepmind.google/blog/say-hello-to-gemini-38-text-to-speech/

整理来源：https://github.com/ikaijua/Awesome-AITools

依据来源资料经AI翻译整理，未由本站实测。原始资料许可：CC-BY-4.0；目录许可不代表各产品或文件的使用授权。费用、账号、国内访问与版本兼容条件以原始发布者最新说明为准。