Gemini TTS 線上試用 - 3.8 版免費語音合成

Gemini 3.8 Flash TTS 是 Google 在 2026 年 9 月 23 日發布的最新一代 Gemini TTS 文字轉語音模型。 它不讓你從情緒預設裡選，而是用一句話告訴它語氣，比如「緊張地壓低聲音」「激情的體育解說」，再在文字裡插入 <laugh>（笑）、<sigh>（嘆氣）這類標籤。它支援 100 多種語言，一次請求最多兩個說話人，按 Google 付費價約 每分鐘 0.017 美元（約 0.12 元人民幣）。下面直接免費試用 Gemini TTS：

免費試用 Gemini 3.8 TTS，無需註冊

每天免費 2 次，每次最多 200 字。用一句話描述想要的語氣；<laugh> 這類標籤會被演出來，不會被念出來。

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

風格（想要什麼樣的語氣）别出声，<short pause> 它好像还在厨房里。<laugh> 放心啦，只是猫而已。

標籤<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 生成今天還剩 2 次免費

本試聽使用 Google 免費檔：你輸入的內容可能被 Google 用於改進其產品，請不要輸入隱私資訊。

用這些聲音，把你的故事演成多人有聲劇貼上一段小說或劇本，自動分角色、每句都有情緒。分析角色免費。免費分析角色

Gemini TTS 基本引數

試聽：Gemini TTS 真實生成效果

以下音訊都是 2026 年 10 月 5 日用 gemini-3.8-flash-tts 一次生成的，沒有挑選，也沒有後期剪輯。播放器下面是發出去的原文，上面寫著我們給的風格描述。指令碼和 Eleven v4 頁上的完全相同，可以直接對比。

普通話旁白，音色 Charon，風格「沉穩溫暖的普通話新聞主播」：

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

普通話加標籤，音色 Kore，風格「冷淡嘲諷，壓低成威脅的耳語」：

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

一次請求兩個說話人：Algenib 演師父，Fenrir 演孫悟空，每句單獨給風格：

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

英文旁白，音色 Charon，風格「從容溫暖的英式講故事」；英文加標籤，音色 Leda，風格「先緊張地耳語，然後鬆一口氣、被逗笑」：

音色: Charon英語模型: gemini-3.8-flash-tts18 秒

音色: Leda英語模型: gemini-3.8-flash-tts15 秒

日語（Leda，「明亮開朗的動漫少女」）和巴西葡萄牙語（Puck，「親切的巴西主持人」）：

音色: Leda日語模型: gemini-3.8-flash-tts10 秒

音色: Puck葡萄牙語模型: gemini-3.8-flash-tts9 秒

怎麼控制 Gemini TTS 的語氣

風格描述的是整段話。越具體越好：誰在說、什麼心情、多快。比如「沉穩的新聞主播」「冷淡又帶點嘲諷」「跑得上氣不接下氣」「溫柔的睡前故事口吻」。Google 說 3.8 會把正文嚴格當作要朗讀的稿子，所以指示要寫在風格里，不要寫進正文。

行內標籤標記文字中的某個時刻：

兩個說話人：給每個說話人起名、配音色，每句話單獨寫風格。上面孫悟空那段就是這樣做的。

Gemini TTS 的 30 個經典音色

經典預置音色，以及 Google 給每個音色的一詞描述。音色介面一共列出 2,089 個預置音色、30 個語言區域，但沒有一個是普通話音色；想要地道的中文 Gemini 聲音，可以用文字描述設計一個。

每個音色都能說所有支援的語言，說哪種語言由文字決定。

Gemini TTS 和 Eleven v4 同稿對比

上面 7 段指令碼，兩個模型都跑了：Gemini 每段 1 次（免費檔每天只允許很少的請求），Eleven v4 每段 3 次。兩邊的輸出用同一個語音識別對照原稿打分。

結論：Gemini TTS 便宜得多，用一句話描述語氣也很順手。Eleven v4 更快，而且嚴格按稿子讀。廣告、字幕、需要客戶逐句確認的稿子，這一點很關鍵。所以聲匠的多人有聲劇工坊和有聲劇場都用 Eleven v4。v4 的更多細節見 Eleven v4 vs v3 對比實測。

通過 API 呼叫 Gemini 3.8 TTS

3.8 模型走 Gemini API 的 interactions 介面，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> 你聽到了嗎？<sigh>",
      "annotations": [{"type": "speech_metadata", "style": "緊張地壓低聲音"}]
    }]}],
    "response_format": {"type": "audio"},
    "generation_config": {"speech_config": [{"voice": "Kore"}]}
  }'

音訊以 base64 放在 steps[].content[].data 裡。用免費檔開發前要知道兩件事：免費檔的輸入可能被 Google 用於改進產品；面向歐洲經濟區、英國、瑞士使用者的應用必須用付費檔。

常見問題

Gemini TTS 是什麼？ Google Gemini 系列的文字轉語音模型，最新的 Gemini 3.8 Flash TTS 於 2026 年 9 月 23 日發布，同時發布了更便宜的 Gemini 3.8 Flash-Lite TTS。它用一句話描述語氣，再配合 <laugh>、<sigh> 這類行內標籤來控制演繹，一次請求最多兩個說話人。

Gemini TTS 免費嗎？ Google 提供每天請求數很少的免費檔；免費檔的輸入可能被 Google 用於改進產品，且不能提供給歐洲經濟區、英國和瑞士的使用者。在本頁不用註冊，每天可以免費生成 2 次（本站每日免費額度用完前）。

Gemini 3.8 TTS 多少錢？ 付費檔到 2026 年 12 月 31 日為：文本輸入每百萬 token 0.50 美元，音訊輸出每百萬 token 9 美元；2027 年 1 月 1 日起翻倍到 1 美元和 18 美元。我們實測每秒語音 32 個音訊 token，摺合現在約每分鐘 0.017 美元（約 0.12 元人民幣），2027 年起約 0.035 美元。

Gemini TTS 有哪些音色？ 常見的是 30 個經典預置音色，比如 Kore（堅定）、Puck（歡快）、Charon（知性）。我們在 2026 年 10 月 8 日列出音色介面，實際有 2,089 個預置音色、30 個語言區域，但沒有一個普通話音色。另外還能用文字描述設計音色，或用 10–30 秒樣本加本人授權語復刻音色。

Gemini TTS 中文效果怎麼樣？ 支援中文，會自動識別語言。我們對 Gemini 3.8 Flash TTS 的實測裡，一段普通話旁白只錯了一個字（「眼鏡」被轉寫成「眼睛」），一段普通話臺詞裡的 <laugh> 和 <sigh> 都被演出來了。

Gemini 3.8 TTS 和 ElevenLabs 的 Eleven v4 哪個好？ Gemini 每分鐘便宜得多。同樣 7 段指令碼，Eleven v4 的生成速度約是 Gemini 的 2.4 倍，而且沒有多讀或漏讀一個字；Gemini 有 2 段加了原稿裡沒有的語氣詞。

Gemini 3.8 Flash TTS 和 Flash-Lite TTS 有什麼區別？ Flash-Lite 更便宜，適合大批次生產：2026 年內每百萬音訊 token 6 美元，Flash 是 9 美元。Google 的定位是 Flash 重音質和表演，Flash-Lite 重批次。

聲匠和 Google 是什麼關係？ 沒有隸屬關係。聲匠是獨立產品，本頁試聽呼叫的是公開的 Gemini API；Gemini 是 Google LLC 的商標。