Gemini 聲音克隆 - Gemini 3.8 聲音復刻教程

Gemini 聲音克隆只要 10–30 秒的錄音，前提是說話人本人再錄一句授權語。 Google 把這個功能叫做 Voice Replication（聲音復刻），隨 Gemini 3.8 TTS 在 2026 年 9 月 23 日發布，在 Google AI Studio 和 Gemini API 裡都能用。按 Google 公告，AI Studio 裡的這個功能在美國伊利諾州、得克薩斯州，以及歐洲經濟區、英國、瑞士和印度不可用。本頁講清楚 Gemini 聲音克隆需要準備什麼、中文授權語原文、API 怎麼調，以及和 ElevenLabs 克隆的區別。

Gemini 聲音克隆一表看懂

Gemini 聲音克隆需要準備什麼

1. 一段 10–30 秒的參考樣本。 一個成年人自然說話，不要背景音樂和其他人聲。安靜的房間比貴的麥克風更重要。
2. 一段授權錄音。 同一個人逐字念出 Google 的授權語。用錄樣本時的同一支麥克風、在同一個房間錄：Google 會核對兩段錄音是不是同一個人，換了裝置或環境最容易通不過。
3. 一個 Google AI Studio 帳號，或一個 Gemini API key。

授權語原文

Gemini 聲音克隆要念的授權語，Google 提供 30 種語言，以下三種是原文：

完整列表（阿拉伯語、印地語、韓語、葡萄牙語、西班牙語等）見 Google 的聲音復刻文件。

用 API 克隆

用兩段 WAV 拼出請求體（base64 -i 是 macOS 寫法，Linux 用 base64 -w0），然後建立音色：

jq -n \
  --arg src "$(base64 -i reference.wav)" \
  --arg consent "$(base64 -i consent.wav)" \
  '{store: true, voice: {model: "gemini-3.8-flash-tts", type: "replicated", display_name: "我的聲音",
    replicated: {source_audio: {mime_type: "audio/wav", data: $src},
                 consent_audio: {mime_type: "audio/wav", data: $consent}}}}' > voice.json

curl -X POST "https://generativelanguage.googleapis.com/v1beta/voices" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -d @voice.json

返回裡有 id（voice_…），像其他 Gemini 音色一樣使用：

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": "這是我克隆的聲音。" }] }],
    "response_format": { "type": "audio" },
    "generation_config": { "speech_config": [{ "voice": "voice_YOUR_ID" }] }
  }'

如果用 "store": false，返回的是 voicekey_…，Google 不替你儲存，7 天內有效。儲存的音色會佔用每個專案 200 個的名額（和設計音色共用），直到你用 DELETE /v1beta/voices/{id} 刪除。

Gemini 聲音克隆和 ElevenLabs 克隆對比

來源：Google Gemini API 聲音復刻文件與發布公告、ElevenLabs 音色文件，2026 年 10 月 8 日核對。

為什麼這頁沒有克隆樣音

Google 設授權校驗，是為了不讓任何人的聲音在本人不知情時被複制。我們也守同樣的規矩：只有聲音的主人同意，才會公開發布克隆效果，目前還沒有錄到願意參與對比的志願者。Gemini 聲音設計頁上的樣音，全部來自不屬於任何真人的設計聲音。

在聲匠克隆

聲匠的語音工作臺用的是 ElevenLabs 即時克隆，不依賴 Gemini 聲音克隆：上傳 1–3 分鐘乾淨的錄音、起個名字，就能用在文字轉語音、多角色對話和長文有聲書裡，在 Eleven v4 上支援 90 多種語言。克隆一次 30 點數，¥29.90 起，支援支付寶。規矩和 Google 一樣：只克隆你自己的聲音，或者你有書面授權的聲音。

沒有可以克隆的聲音？可以用 Gemini 免費設計一個，或者從 24 個原創角色音裡挑。

常見問題

Gemini 能克隆聲音嗎？ 能。Google 在 2026 年 9 月 23 日發布的 Gemini 3.8 TTS 可以用 10–30 秒的參考錄音復刻一個聲音，Google 把這個功能叫做 Voice Replication（聲音復刻）。在 Google AI Studio 和 Gemini API 裡都能用，支援 gemini-3.8-flash-tts 和 gemini-3.8-flash-lite-tts 兩個模型。

Gemini 聲音克隆需要什麼？ 同一位成年說話人的兩段錄音：一段 10–30 秒的參考樣本（Google 建議 24 kHz、單聲道、16 位 WAV），一段本人逐字朗讀 Google 授權語的錄音。Google 建議兩段用同一支麥克風、在同一個房間錄，否則可能通不過說話人校驗。

Gemini 聲音克隆的中文授權語是什麼？ 簡體中文版原文是：「我是此聲音的擁有者並授權谷歌使用此聲音建立語音合成模型」。英文版是「I am the owner of this voice and I consent to Google using this voice to create a synthetic voice model.」Google 一共提供 30 種語言的授權語。

哪些地區不能用 Gemini 聲音克隆？ Google 的發布公告寫明，AI Studio 裡的聲音復刻在美國伊利諾州、得克薩斯州，以及歐洲經濟區、英國、瑞士和印度不可用。截至 2026 年 10 月 8 日，Gemini API 文件裡沒有列出地區限制。

能用 Gemini 克隆別人或明星的聲音嗎？ 不能，除非本人參與：授權錄音必須和參考樣本是同一個人，並且逐字念出 Google 的授權語。只拿到明星或他人的音訊片段，是通不過校驗的。

Gemini 聲音克隆的音色能儲存多久？ 儲存模式（store: true）會得到 voice_… 形式的 ID，保留一年；每個專案最多儲存 200 個音色（設計和克隆合計）。不儲存模式（store: false）返回一個 voicekey_…，由你自己保管，有效期 7 天。

Gemini 聲音克隆收費嗎？ Google 沒有單獨公佈建立音色的價格。用克隆音色生成的語音按 Gemini 3.8 TTS 輸出計費：Flash TTS 在 2026 年內每百萬音訊 token 9 美元（2027 年 1 月 1 日起 18 美元），開發者有免費檔。

選 Gemini 聲音克隆還是 ElevenLabs 聲音克隆？ Gemini 只要 10–30 秒樣本，但必須本人念授權語，音色存在你的 Google 專案裡。ElevenLabs 即時克隆用短樣本即可，大多數套餐都能用；專業克隆要更長的訓練音訊，用語音驗證碼核實說話人，需要 Creator 及以上套餐。

聲匠和 Google 是什麼關係？ 沒有隸屬關係。聲匠是基於 ElevenLabs API 的獨立配音工作臺，同時提供 Google Gemini TTS 的免費試用。Gemini 是 Google LLC 的商標。

免費用 Gemini 設計一個聲音 →