最後更新: 2026年10月13日

Gemini 3.8 Flash TTS：價格、語音與 API 教學

Google 於 2026 年 9 月 23 日推出 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS。Flash TTS 是表現力豐富的模型，適合旁白、有聲書和角色配音；Flash-Lite TTS 較便宜，適合配音翻譯和語音代理。本頁涵蓋每小時價格、語音、程式碼，以及開始開發前需要知道的限制。

Gemini 3.8 Flash TTS 規格一覽

來源: Gemini 3.8 Flash TTS 模型頁面

來源: Google TTS 發表文章

Gemini 3.8 Flash TTS 價格

音訊輸出以每秒 25 個 token 計費，因此很容易換算每小時價格。首發價適用至 2026 年 12 月 31 日；2027 年 1 月 1 日起改用標準價。

每小時金額是我們依 Google 的每 token 價格自行換算，不含金額很小的文字輸入費用。免費方案涵蓋兩個模型；免費方案的輸入內容可能被用來改善 Google 產品。

來源: Gemini API 定價

Python 範例

1. 在 Google AI Studio 建立金鑰，並存成環境變數 GEMINI_API_KEY。
2. pip install -U google-genai。
3. 要唸出的文字放在 text，語氣表現（情緒、語速、口吻）放在 style 註記，而不是寫進文字裡。
4. 選擇語音，並將 base64 音訊寫入 .wav 檔。

# pip install -U google-genai
import base64
from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-3.8-flash-tts",
    input=[{
        "type": "user_input",
        "content": [{
            "type": "text",
            "text": "Have a wonderful day! <short pause> See you tomorrow.",
            "annotations": [{"type": "speech_metadata", "style": "cheerful and friendly"}],
        }],
    }],
    response_format={"type": "audio"},
    generation_config={"speech_config": [{"voice": "Kore"}]},
)

with open("out.wav", "wb") as f:
    f.write(base64.b64decode(interaction.output_audio.data))

來源: 語音生成文件

curl 範例

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": "Have a wonderful day!",
        "annotations": [{ "type": "speech_metadata", "style": "cheerful and friendly" }]
      }]
    }],
    "response_format": { "type": "audio" },
    "generation_config": { "speech_config": [{ "voice": "Kore" }] }
  }' | jq -r '[.steps[] | select(.type=="model_output") | .content[] | select(.type=="audio")] | last | .data' \
     | base64 --decode > out.wav

來源: 語音生成文件

雙人對話與行內提示

在 speech_config 中為每位說話者命名一次，接著為每段發言標上說話者和選用的 style。短暫的聲音事件直接寫在文字中：<laughs>、<sigh>、<gasp>、<short pause>，以及 |mhm| 或 |yeah| 這類附和聲。

# Two speakers in one request (the most a request allows with prebuilt voices)
generation_config={"speech_config": {"speakers": [
    {"speaker": "Host", "voice": "Kore"},
    {"speaker": "Guest", "voice": "Puck"},
]}}

input=[{"type": "user_input", "content": [
    {"type": "text", "text": "Welcome back to the show. <laughs> Big week.",
     "annotations": [{"type": "speech_metadata", "speaker": "Host", "style": "warm, upbeat"}]},
    {"type": "text", "text": "|mhm| It really was.",
     "annotations": [{"type": "speech_metadata", "speaker": "Guest", "style": "relaxed"}]},
]}]

文字會被當成逐字腳本唸出，因此寫在文字裡的舞台指示可能會被念出來。請把它們放在 style 中。

來源: 語音生成文件

來源: Google TTS 發表文章

語音、語音設計與聲音複製

• 30 種預建語音，例如 Kore、Puck、Zephyr 和 Charon，以及擴充語音庫中 2,000+ 種帶有地方口音的正式語音（墨西哥西班牙語、魁北克法語、蘇格蘭英語等）。
• 語音設計：用一般文字描述你要的聲音（角色、口音、個性），並儲存下來重複使用。
• 聲音複製：只需約 30 秒的樣本就能複製聲音，並具備同意查核、SynthID 浮水印和 C2PA 憑證。
• 在 AI Studio 中，聲音複製功能不開放給伊利諾州、德州、歐洲經濟區、英國、瑞士和印度。

來源: Google TTS 發表文章

來源: Gemini 3.8 Flash TTS 模型頁面

效果如何？

Google 引用 Hume AI 的 Voice Design Benchmark：Flash TTS 以整體 71.4 分、口音建模 60.8 分排名第一，在 Hume 的整體品質指數上也拿下第一和第二名（Flash 第一、Flash-Lite 第二）。在 Voice Arena 盲測中，兩個模型在日語、巴西葡萄牙語、越南語、阿拉伯語、墨西哥西班牙語和印地語都名列前茅。這些是廠商引用的結果，選擇前請先聽聽用你自己的腳本生成的效果。

來源: Google TTS 發表文章

Flash TTS 還是 Flash-Lite TTS？

• Flash TTS. 有聲書、Podcast、廣告和遊戲角色，這類情境的語氣表現比價格更重要。
• Flash-Lite TTS. 語音代理、配音翻譯和大量通知，每小時便宜約三分之一。
• 兩者都不適合. 即時雙向語音對話：請改用 Google 的 Live API 模型；TTS 模型不支援這項功能。

Gemini 3.8 Flash API 教學 · 所有模型價格

來源: Google TTS 發表文章

來源: Gemini 3.8 Flash TTS 模型頁面

本文為獨立指南，與 Google 或 Anthropic 皆無關聯。價格與基準測試結果會變動，決定預算前請先查看文中連結的官方頁面。