Gemini 聲音設計 - 免費線上試用 Gemini 3.8
Gemini 聲音設計免費線上試用，無需註冊：一句話描述聲音，聽它即興開口。附中文音色實測、被攔截的描述、API 呼叫和 ElevenLabs 對比。
最近更新: 2026-10-08
Gemini 聲音設計能把一句描述變成一個新聲音。 它是 Google 在 2026 年 9 月 23 日發布的 Gemini 3.8 TTS 的一部分：描述年齡、口音、音色和性格，Gemini 就會生成一個儲存好的音色，並以這個角色即興說一段話。Google 的預置音色庫裡沒有普通話音色，想要中文的 Gemini 聲音，只能靠 Gemini 聲音設計。下面免註冊直接試。
用 Gemini 3.8 設計一個聲音：免費，無需註冊
每天免費 2 次。用一兩句話描述年齡、口音、音色和性格，Gemini 會以這個角色即興說一段話；描述用什麼語言寫，它就用什麼語言說。
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。Gemini 聲音設計一表看懂
| Gemini 聲音設計 | |
|---|---|
| 出品 | Google（Gemini 3.8 TTS） |
| 發布 | 2026 年 9 月 23 日 |
| 模型 | gemini-3.8-flash-tts、gemini-3.8-flash-lite-tts |
| 輸入 | 一段描述（Google 建議 1–2 句）、性別、語言區域 |
| 輸出 | 一個儲存好的音色（voice_…）+ 一段即興的 WAV 預覽（實測 7–49 秒） |
| 儲存 | 必須儲存；每個專案最多 200 個，每個保留一年 |
| 速度 | 免費檔實測每次 12–40 秒 |
| 成本 | 未單獨定價；我們 40 秒的預覽用了 1,002 個音訊 token，按 2026 年付費價約 $0.009 |
| 安全 | 部分描述會被拒；所有 Gemini 音訊都帶 SynthID 水印 |
| 在哪用 | Gemini API、Google AI Studio |
Gemini 聲音設計實測發現
我們在 2026 年 10 月 8 日用免費檔 API 做了幾次 Gemini 聲音設計，每條都保留原樣。
1. 預覽是即興的，不是朗讀。 用中文描述「一位五十多歲的北京胡同說書先生，嗓音渾厚略帶沙啞，說話慢條斯理，愛賣關子，帶一點京腔兒化音」，Gemini 自己編了一段鬼故事開頭，停頓、賣關子都有：
2. 預覽的語言跟著描述走，不跟語言區域走。 我們把猴王的英文描述交給 Gemini，語言區域設成普通話（cmn-CN），預覽卻是英文。描述寫成中文，預覽才是中文。不過讀文稿時語言區域照樣起作用：英文描述出來的猴王讀中文廣告詞很順（見下方對比）。
英文描述的蘇格蘭老漁夫，即興說了 40 秒他那條倔脾氣的船：
同一個聲音念我們給的臺詞：
3. 安全策略會攔下一部分虛構角色。 冷豔女王的描述「An icy, menacing villainess queen: low, slow, every word a blade」直接返回 Voice prompt was blocked by safety policies，而 ElevenLabs 當初接受了同樣的描述。寫反派時，描述聲音（低沉、緩慢、冷、咬字清楚），別寫威脅感。
4. 預置音色庫裡沒有普通話。 列出音色介面，共 2,089 個預置音色、30 個語言區域，最多的是美式英語（215）、印度英語（120）、英式英語（118）、韓語（117）、日語（115）、印地語（114）、巴西葡語（107），沒有一個普通話或粵語音色。
5. 當天日語設計失敗。 用語言區域 ja-JP 設計我們的元氣動漫少女，兩次都返回 503 The service is currently unavailable，而前後一分鐘英語的設計都正常。可能只是暫時的，但要用某個語言之前，先自己試一下。
同一段描述，兩個引擎
聲匠的 24 個角色音都是用 ElevenLabs 聲音設計做的。我們把每個音色頁上的描述原樣交給 Gemini 聲音設計，再讓 Gemini 設計出的聲音念那個音色頁上已有的同一段文稿。
齊天大聖·猴王 ·「A Monkey King–style character: high-pitched, cheeky, slightly raspy with opera flair.」
Gemini 3.8（語言區域 cmn-CN）：
ElevenLabs 的猴王音色：
Gemini 給這個猴王即興的英文預覽，笑著嘲諷滿天神佛：
[laughs] See? They thought they had a trick up their sleeve, eh? Did they? To trap me, the mighty master of mischief, in something so petty. [laughs] Nonsense. I'm faster than a thousand lightning bolts, and all that big mouth talk about sealing me away, [laughs] all the gods, I simply shrug. Look like a hundred sleepy owls lost in a fog. [laughs]同樣 49 個字的廣告詞，Gemini 唸了 10.4 秒，ElevenLabs 唸了 17.3 秒：Gemini 更亮、更快，戲曲味的沙啞少一些。
美式預告片男聲 ·「The classic Hollywood "In a world…" trailer voice: ultra-deep, gravelly, epic.」
Gemini 3.8（語言區域 en-US）：
ElevenLabs 的美式預告片男聲：
Gemini 自己即興的預覽，一段講人類歷史的史詩開場：
英倫紳士管家 ·「A refined British butler in crisp RP: calm, dry, impeccably courteous.」
Gemini 3.8（語言區域 en-GB）：
ElevenLabs 的英倫紳士管家：
這次 Gemini 的預覽只有 7 秒，一句「為您的聚會留了一瓶上好的波爾多」：
| 音色 | 文稿 | Gemini 3.8 | ElevenLabs |
|---|---|---|---|
| 齊天大聖·猴王 | 中文廣告，49 字 | 10.4 秒 | 17.3 秒 |
| 美式預告片男聲 | 英文廣告，198 字元 | 19.3 秒 | 22.9 秒 |
| 英倫紳士管家 | 英文旁白，218 字元 | 16.1 秒 | 15.0 秒 |
| 冷豔女王 | — | 被安全策略拒絕 | 已設計 |
元氣動漫少女（ja-JP） | — | 兩次返回 503「服務不可用」 | 已設計 |
兩段廣告 Gemini 都念得比 ElevenLabs 快，旁白語速差不多。需要說明：每個 ElevenLabs 音色都是我們建站時為這個角色選定的，而這裡每個 Gemini 聲音都只用了一段描述、一次生成。所以這張表反映的是兩個引擎「第一次給你什麼」，不是各自的上限。
Gemini 聲音設計的描述怎麼寫
- 寫固定特徵：年齡、性別、音色、口音、語速。Google 自己的例子是「a crisp, energetic sports announcer in her 30s with a slight Midwestern accent」。
- 情緒留到後面。 「壓低聲音」「暴怒」這類臨時情緒，放到每次 Gemini TTS 請求的風格指令裡，不要寫進音色。
- 想聽哪種語言的預覽，就用哪種語言寫描述。
- 寫聲音，不寫威脅。 「冷、慢、咬字清楚」能過，「威脅感、字字帶刀」沒過。
通過 API 使用
先建立音色，返回裡有 id 和 sample_audio（base64 WAV）：
curl -X POST "https://generativelanguage.googleapis.com/v1beta/voices" \
-H "x-goog-api-key: $GEMINI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"store": true,
"voice": {
"model": "gemini-3.8-flash-tts",
"type": "prompted",
"display_name": "北京說書先生",
"gender": "male",
"language_code": "cmn-CN",
"prompted": { "input": "一位五十多歲的北京胡同說書先生，嗓音渾厚略帶沙啞，說話慢條斯理。" }
}
}'
再把 ID 當作音色，朗讀你的文稿：
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": "話說那天夜裡，老吳提著燈籠往後院走。" }] }],
"response_format": { "type": "audio" },
"generation_config": { "speech_config": [{ "voice": "voice_YOUR_ID" }] }
}'
兩點注意：設計音色不允許 "store": false；音色會一直佔著每個專案 200 個的名額，直到你用 DELETE /v1beta/voices/{id} 刪掉。本頁的試用會在預覽返回後立即刪除音色。
Gemini 聲音設計和 ElevenLabs 聲音設計對比
| Gemini 3.8 聲音設計 | ElevenLabs 聲音設計 | |
|---|---|---|
| 預覽 | 一段，以角色即興 | 幾段，念你給的（或它寫的）文字 |
| 設計好的聲音在哪用 | Gemini API、AI Studio | ElevenLabs 應用和 API，以及基於它的工作臺（如聲匠） |
| 普通話 | 可以，靠設計（cmn-CN） | 可以 |
| 反派類描述 | 部分被拒 | 我們實測可以 |
| 儲存 | 每個專案 200 個，保留一年 | 存進音色庫 |
Gemini 聲音設計做出的聲音只能在 Gemini API 和 AI Studio 裡用，一年後過期；要長期使用，在聲匠，你可以在語音工作臺用 ElevenLabs 設計聲音並用於所有工具，也可以直接從音色庫裡 24 個設計好的角色音開始。Gemini 的預置音色和風格指令見 Gemini TTS 線上試用；想復刻真人聲音，見 Gemini 聲音克隆。
常見問題
Gemini 聲音設計是什麼？ Gemini 聲音設計是 Google 在 2026 年 9 月 23 日隨 Gemini 3.8 TTS 發布的功能：用一兩句話描述年齡、性別、口音、音色和性格，就能生成一個新聲音。這個聲音會儲存在你的 Google 專案裡，之後可以通過 Gemini API 朗讀任何文稿。
Gemini 聲音設計能免費試嗎？ 能。本頁不用註冊，每天可以免費設計 2 個聲音；開發者也可以在 Google AI Studio 裡試。走 API 時，Google 沒有單獨公佈設計聲音的價格；我們實測設計一次約用 1,000 個音訊 token，按 2026 年付費價不到 1 美分。
Gemini 聲音設計能做普通話聲音嗎？ 能，語言選 cmn-CN 即可。這一點很重要：我們在 2026 年 10 月 8 日列出 Google 的預置音色庫，共 2,089 個音色、30 個語言區域，其中一個普通話音色都沒有。想要中文的 Gemini 聲音，只能靠聲音設計。想讓預覽說中文，描述也要用中文寫。
Gemini 聲音設計完成後會返回什麼？ 一個音色 ID（voice_…）和一段 WAV 預覽。預覽不是固定句子，而是 Gemini 以這個角色即興說的一段話（我們實測 7–49 秒），語言跟著描述走。想聽它念你的文稿，把文稿和這個 ID 一起發到 interactions 介面。
為什麼我的描述被攔截了？ Google 的安全策略會拒絕部分描述，返回「Voice prompt was blocked by safety policies」。我們實測時，「冷豔、帶威脅感的反派女王，字字帶刀」這類描述被拒，而 ElevenLabs 聲音設計接受了同樣的描述。寫反派時，描述聲音本身（低沉、緩慢、冷、咬字清楚），不要寫角色的威脅感。
設計好的聲音能儲存多少個？ 設計音色必須儲存，每個 Google 專案最多儲存 200 個音色（設計和克隆合計），每個音色建立一年後過期，也可以隨時刪除。
選 Gemini 聲音設計還是 ElevenLabs 聲音設計？ Gemini 每次給一段即興預覽，只能在 Google API 或 AI Studio 裡用；ElevenLabs 會用你給的文字生成幾段預覽，音色存進音色庫，在它的應用裡都能用。聲匠的 24 個角色音都是用 ElevenLabs 設計的，本頁把同樣的描述交給 Gemini 做了對比。
聲匠和 Google 是什麼關係？ 沒有隸屬關係。聲匠是獨立的配音工作臺；Gemini 是 Google LLC 的商標，本頁的試用呼叫的是公開的 Gemini API。