Gemini 3.8 TTS 在线试用 - 免费语音合成

Gemini 3.8 Flash TTS 是 Google 在 2026 年 9 月 23 日发布的最新文字转语音模型。 它不让你从情绪预设里选，而是用一句话告诉它语气，比如「紧张地压低声音」「激情的体育解说」，再在文字里插入 <laugh>（笑）、<sigh>（叹气）这类标签。它支持 100 多种语言，一次请求最多两个说话人，按 Google 付费价约 每分钟 0.017 美元（约 0.12 元人民币）。下面直接试：

免费试用 Gemini 3.8 TTS，无需注册

每天免费 2 次，每次最多 200 字。用一句话描述想要的语气；<laugh> 这类标签会被演出来，不会被念出来。

音色Kore · 坚定Puck · 欢快Charon · 知性Leda · 青春Fenrir · 激昂Aoede · 轻快Algenib · 沙哑Sulafat · 温暖

风格（想要什么样的语气）别出声，<short pause> 它好像还在厨房里。<laugh> 放心啦，只是猫而已。

标签<laugh><sigh><short pause><long pause><breath><gasp>45 / 200

示例示例 1示例 2示例 3

用 Gemini 3.8 TTS 生成今天还剩 2 次免费

本试听使用 Google 免费档：你输入的内容可能被 Google 用于改进其产品，请不要输入隐私信息。

Gemini 3.8 TTS 基本参数

试听：Gemini 3.8 TTS 真实生成效果

以下音频都是 2026 年 10 月 5 日用 gemini-3.8-flash-tts 一次生成的，没有挑选，也没有后期剪辑。播放器下面是发出去的原文，上面写着我们给的风格描述。脚本和 Eleven v4 页上的完全相同，可以直接对比。

普通话旁白，音色 Charon，风格「沉稳温暖的普通话新闻主播」：

音色: Charon中文模型: gemini-3.8-flash-tts14 秒

普通话加标签，音色 Kore，风格「冷淡嘲讽，压低成威胁的耳语」：

音色: Kore中文模型: gemini-3.8-flash-tts20 秒

一次请求两个说话人：Algenib 演师父，Fenrir 演孙悟空，每句单独给风格：

音色: Algenib / Fenrir中文模型: gemini-3.8-flash-tts24 秒

英文旁白，音色 Charon，风格「从容温暖的英式讲故事」；英文加标签，音色 Leda，风格「先紧张地耳语，然后松一口气、被逗笑」：

音色: Charon英语模型: gemini-3.8-flash-tts18 秒

音色: Leda英语模型: gemini-3.8-flash-tts15 秒

日语（Leda，「明亮开朗的动漫少女」）和巴西葡萄牙语（Puck，「亲切的巴西主持人」）：

音色: Leda日语模型: gemini-3.8-flash-tts10 秒

音色: Puck葡萄牙语模型: gemini-3.8-flash-tts9 秒

怎么控制 Gemini 3.8 TTS 的语气

风格描述的是整段话。越具体越好：谁在说、什么心情、多快。比如「沉稳的新闻主播」「冷淡又带点嘲讽」「跑得上气不接下气」「温柔的睡前故事口吻」。Google 说 3.8 会把正文严格当作要朗读的稿子，所以指示要写在风格里，不要写进正文。

行内标签标记文字中的某个时刻：

两个说话人：给每个说话人起名、配音色，每句话单独写风格。上面孙悟空那段就是这样做的。

Gemini TTS 的 30 个经典音色

经典预置音色，以及 Google 给每个音色的一词描述。音色接口一共列出 2,089 个预置音色、30 个语言区域，但没有一个是普通话音色；想要地道的中文 Gemini 声音，可以用文字描述设计一个。

每个音色都能说所有支持的语言，说哪种语言由文字决定。

Gemini 3.8 TTS 和 Eleven v4 同稿对比

上面 7 段脚本，两个模型都跑了：Gemini 每段 1 次（免费档每天只允许很少的请求），Eleven v4 每段 3 次。两边的输出用同一个语音识别对照原稿打分。

结论：Gemini 便宜得多，用一句话描述语气也很顺手。Eleven v4 更快，而且严格按稿子读。广告、字幕、需要客户逐句确认的稿子，这一点很关键。所以声匠的多人有声剧工坊和有声剧场都用 Eleven v4。v4 的更多细节见 Eleven v4 vs v3 对比实测。

通过 API 调用 Gemini 3.8 TTS

3.8 模型走 Gemini API 的 interactions 接口，直接返回 WAV：

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-3.8-flash-tts",
    "input": [{"type": "user_input", "content": [{
      "type": "text",
      "text": "等一下…… <short pause> 你听到了吗？<sigh>",
      "annotations": [{"type": "speech_metadata", "style": "紧张地压低声音"}]
    }]}],
    "response_format": {"type": "audio"},
    "generation_config": {"speech_config": [{"voice": "Kore"}]}
  }'

音频以 base64 放在 steps[].content[].data 里。用免费档开发前要知道两件事：免费档的输入可能被 Google 用于改进产品；面向欧洲经济区、英国、瑞士用户的应用必须用付费档。

常见问题

Gemini 3.8 TTS 是什么？ Google 在 2026 年 9 月 23 日发布的文字转语音模型，同时发布了更便宜的 Gemini 3.8 Flash-Lite TTS。它用一句话描述语气，再配合 <laugh>、<sigh> 这类行内标签来控制演绎，一次请求最多两个说话人。

Gemini 3.8 TTS 免费吗？ Google 提供每天请求数很少的免费档；免费档的输入可能被 Google 用于改进产品，且不能提供给欧洲经济区、英国和瑞士的用户。在本页不用注册，每天可以免费生成 2 次（本站每日免费额度用完前）。

Gemini 3.8 TTS 多少钱？ 付费档到 2026 年 12 月 31 日为：文本输入每百万 token 0.50 美元，音频输出每百万 token 9 美元；2027 年 1 月 1 日起翻倍到 1 美元和 18 美元。我们实测每秒语音 32 个音频 token，折合现在约每分钟 0.017 美元（约 0.12 元人民币），2027 年起约 0.035 美元。

Gemini 3.8 TTS 有哪些音色？ 常见的是 30 个经典预置音色，比如 Kore（坚定）、Puck（欢快）、Charon（知性）。我们在 2026 年 10 月 8 日列出音色接口，实际有 2,089 个预置音色、30 个语言区域，但没有一个普通话音色。另外还能用文字描述设计音色，或用 10–30 秒样本加本人授权语复刻音色。

Gemini 3.8 TTS 中文效果怎么样？ 支持中文，会自动识别语言。我们的实测里，一段普通话旁白只错了一个字（「眼镜」被转写成「眼睛」），一段普通话台词里的 <laugh> 和 <sigh> 都被演出来了。

Gemini 3.8 TTS 和 ElevenLabs 的 Eleven v4 哪个好？ Gemini 每分钟便宜得多。同样 7 段脚本，Eleven v4 的生成速度约是 Gemini 的 2.4 倍，而且没有多读或漏读一个字；Gemini 有 2 段加了原稿里没有的语气词。

Gemini 3.8 Flash TTS 和 Flash-Lite TTS 有什么区别？ Flash-Lite 更便宜，适合大批量生产：2026 年内每百万音频 token 6 美元，Flash 是 9 美元。Google 的定位是 Flash 重音质和表演，Flash-Lite 重批量。

声匠和 Google 是什么关系？ 没有隶属关系。声匠是独立产品，本页试听调用的是公开的 Gemini API；Gemini 是 Google LLC 的商标。