gemini-3.8-flash-tts

Gemini 3.8 Flash TTS 是 Google 专为录音室级自然声音品质、高表现力情感演播与多语种方言拟真打造的旗舰文本转语音大模型。作为 Gemini API 语音生成家族的顶级支柱，该模型具备极高的人声保真度与自然语调，完美支持剧本级多角色对话、带有环境音/情绪标签的逐句表演控制，以及长时间朗读下的音色稳定性。模型原生支持 130 种语言及多种地方口音，并支持根据 30 秒音频快速进行人声克隆与文本提示词声音设计，是构建高品质 AI 旁白、品牌专属音色、有声剧及游戏角色配音的终极高性价比工业级底座。

───────────────────────────────────────────────────────────────────

核心能力

录音室级情感演播与逐句导演控制： 彻底实现“文稿与演播指示分离”。开发者可通过独立样式字段控制语速、语气，并原生支持 <laugh>（笑）、<cough>（咳嗽）、<sigh>（叹气）、<gasp>（喘息）等自然人声事件插入。

长时朗读音色稳定性： 彻底解决了传统 TTS 在长文本中音色漂移的问题，在数分钟甚至长篇叙述中保持一致的音色、音量、语调与房间声学环境。

声音设计与 30 秒极速复刻： 预置 30 种精选声音与 2,000+ 扩展音色库；支持通过自然语言描述从零设计新音色，或上传约 30 秒参考音频快速克隆目标人声。

130 种语言与方言覆盖： 支持全球 130 种语言、地方口音与小种语言，支持 IPA 国际音标覆盖矫正，并能处理多角色重叠与打断对话。