最后更新: 2026年10月13日

Gemini 3.8 Flash TTS：价格、音色和 API 教程

Google 在 2026 年 9 月 23 日发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS。Flash TTS 表现力更强，适合旁白、有声书和角色配音；Flash-Lite TTS 更便宜，适合配音翻译和语音客服。本页讲清每小时成本、音色、代码和上手前要知道的限制。

Gemini 3.8 Flash TTS 基本参数

来源: Gemini 3.8 Flash TTS 模型页

来源: Google TTS 发布博客

Gemini 3.8 Flash TTS 价格

音频输出按每秒 25 个 token 计费，所以每小时成本很好算。首发价到 2026 年 12 月 31 日，2027 年 1 月 1 日起恢复标准价。

每小时成本是我们按 Google 每 token 价格算出来的，不含很少的文本输入费用。两个模型都有免费层；免费层的输入可能被用来改进 Google 产品。

来源: Gemini API 价格页

Python 示例

1. 在 Google AI Studio 创建密钥，保存为 GEMINI_API_KEY。
2. pip install -U google-genai。
3. 要念的文字放在 text 里，语气、语速、情绪写在 style 注释里，不要写进 text。
4. 选一个音色，把 base64 音频写入 .wav 文件。

# 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))

来源: 语音生成文档

curl 示例

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

来源: 语音生成文档

双人对话和行内提示

在 speech_config 里给每个说话人指定一次音色，然后每段话标上说话人和可选的 style。短暂的声音直接写在文本里：<laughs>、<sigh>、<gasp>、<short pause>，以及 |mhm|、|yeah| 这类附和声。

# 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"}]},
]}]

text 会被逐字朗读，写在文本里的舞台说明可能被念出来，请放在 style 里。

来源: 语音生成文档

来源: Google TTS 发布博客

音色、音色设计和声音克隆

• 30 个预置音色（如 Kore、Puck、Zephyr、Charon），另有 2,000+ 个可直接商用的扩展音色，覆盖墨西哥西语、魁北克法语、苏格兰英语等地区口音。
• 音色设计：用自然语言描述角色、口音和性格，生成后可保存复用。
• 声音复刻：用约 30 秒样本克隆声音，内置同意验证、SynthID 水印和 C2PA 凭证。
• AI Studio 中的声音复刻不对伊利诺伊州、得克萨斯州、欧洲经济区、英国、瑞士和印度开放。

来源: Google TTS 发布博客

来源: Gemini 3.8 Flash TTS 模型页

效果怎么样？

Google 引用了 Hume AI 的音色设计基准：Flash TTS 综合第一，得分 71.4，口音建模 60.8；在 Hume 的综合质量指数上 Flash 第一、Flash-Lite 第二。在 Voice Arena 盲测中，两个模型在日语、巴西葡萄牙语、越南语、阿拉伯语、墨西哥西语和印地语上都排在前列。这些是厂商引用的结果，选型前请用自己的稿子试听。

来源: Google TTS 发布博客

选 Flash TTS 还是 Flash-Lite TTS？

• Flash TTS. 有声书、播客、广告和游戏角色，表现力比价格更重要的场景。
• Flash-Lite TTS. 语音客服、配音翻译和大批量通知，每小时便宜约三分之一。
• 都不合适. 实时双向语音对话：请用 Google 的 Live API 模型，TTS 模型不支持。

Gemini 3.8 Flash API 教程 · 所有模型价格

来源: Google TTS 发布博客

来源: Gemini 3.8 Flash TTS 模型页

独立站点，与 Google、Anthropic 无关联。价格和跑分会变，做预算前请以链接的官方页面为准。