← 全部模型

Gemini 3.8 Flash TTS

發布時間 發布主體 Googlegemini-3.8-flash-tts

模型定位

Google 的旗艦創意文字轉語音(TTS)模型,著重錄音室等級的語音保真度、細膩演繹、區域口音,以及長篇、多輪語音的一致性。(aistudio.google.com)

能力與用途

  • 將文字轉成單人或多人語音;可透過結構化中繼資料控制說話風格,並使用語音事件標記表達笑聲、嘆息或短暫停頓。(aistudio.google.com)
  • 支援預設聲音、擴充聲音庫、自訂聲音設計、聲音複製及聲音重新混製;聲音複製設有同意驗證機制。官方模型頁列出超過 130 種支援語言。(aistudio.google.com)
  • 適合有聲書、旁白、Podcast、遊戲角色及多角色對話等需要表現力或穩定聲線的製作。(aistudio.google.com)

限制

  • 僅接受文字輸入,僅產生音訊輸出;不支援 Live API、函式呼叫或上下文快取。Gemini API 的輸入上限為 8,192 tokens,輸出上限為 16,384 tokens。(aistudio.google.com)
  • 單次請求的多人語音最多支援兩位預設聲音說話者;若要在對話中結合自訂或複製聲音,須分別合成各說話者的發言。持久儲存的自訂聲音每個專案最多 200 個、有效期限為一年;無狀態聲音金鑰有效期限為七天。(aistudio.google.com)
  • 輸入文字會視為逐字稿;說話者與持續性的演繹指示應放在 speech_metadata,以免文字指示被直接唸出。(aistudio.google.com)

發布日期

Gemini API 官方版本資訊記載於 2026 年 9 月 22 日正式發布(GA);Google 部落格介紹文章發布於 2026 年 9 月 23 日。(aistudio.google.com)

價格

以下為 Gemini Developer API 官方付費層價格,幣種為美元(USD);輸入為文字、輸出為音訊,單位均為每 100 萬 tokens。查詢日期:2026 年 11 月 16 日。其他平台價格可能不同。(aistudio.google.com)

計費方式 至 2026-12-31:輸入/輸出 自 2027-01-01:輸入/輸出
標準 USD 0.50/USD 9.00 USD 1.00/USD 18.00
批次 USD 0.25/USD 4.50 USD 0.50/USD 9.00
Flex USD 0.25/USD 4.50 USD 0.50/USD 9.00
優先 USD 0.90/USD 16.20 USD 1.80/USD 32.40

官方列示標準免費層的輸入與輸出免費;批次及 Flex 免費層不可用。音訊 token 的計量基準為每秒音訊 25 tokens;標準付費輸出相當於截至 2026 年底每 10 秒 USD 0.00225,自 2027 年起每 10 秒 USD 0.0045。(aistudio.google.com)

官方來源