Gemini 3.8 TTS 演练场支持多角色与自定义语音

关键信息

该演练场利用 Gemini API 的开放 CORS 策略直接从浏览器发起请求；API 密钥仅保留在页面内存中并直接发送给 Google，不会写入已保存或分享的网址。Willison 的测试显示，Gemini 3.8 Flash TTS 生成一段 1 分 18 秒的双角色音频约耗时 20 秒，成本为 2.74 美分。

资讯摘要

Google 于 2026 年 9 月 23 日发布了 gemini-3.8-flash-tts 和 gemini-3.8-flash-lite-tts 两款文本转语音模型。它们提供超过 2,000 种语音，并可根据一段 30 秒音频样本创建自定义语音，前提是提交者拥有该声音或取得了使用权。Simon Willison 使用 GPT-6 Astra，并借助 Gemini API 的开放 CORS 策略，构建了一个浏览器端演练场。用户既可以选择单一语音，也可以编排包含多个具名角色的对话，并为每个角色指定不同的声音和表达风格。

编排设置可以保存在可加入书签或分享的网址中，而 API 密钥不会被写入网址，只保留在页面内存里。界面还展示底层请求 JSON 和响应详情，便于开发者理解如何集成该 API。作为演示，Willison 让 Claude 4.5 Opus 编写了一段剧本，生成两只鹈鹕讨论是否搬到 Pacifica Pier 的对话。该音频长 1 分 18 秒，使用 Gemini 3.8 Flash TTS 生成约耗时 20 秒，费用为 2.74 美分。

资讯正文

工具：Gemini 3.8 TTS Playground

Google 今天发布了两款新的 Gemini 文本转语音模型：`gemini-3.8-flash-tts` 和 `gemini-3.8-flash-lite-tts`。

它们提供一个包含 2,000 多种声音的语音库，还可以创建自定义声音，“只需一段 30 秒的本人声音样本，或一段你有权使用的声音样本”。

我利用底层 Gemini API 开放的 CORS 策略，使用 GPT-6 Astra 通过 vibe coding 的方式编写了这个可自带密钥的 Playground 界面。

该 API 的一个显著特点是，可以轻松定义多个角色之间的完整对话，并为每个角色设置不同的声音和声音风格指令。

下面是一段简短的演示音频，两只鹈鹕正在讨论是否应该搬到 Pacifica Pier。我让 Claude 4.5 Opus 编写了脚本，并生成了一个使用该工具渲染音频的 URL。

使用 Gemini 3.8 Flash TTS（而不是价格更低的 Flash-Lite）生成这段 1 分 18 秒的音频耗时约 20 秒，成本为 2.74 美分。

来源与参考

1. 原始链接
2. Tool: Gemini 3.8 TTS Playground