谷歌推出Flash TTS语音模型：可凭文本描述从零设计AI声音

多语言支持与创新交互能力

Gemini 3.8 Flash TTS和Flash-Lite TTS是谷歌新推出的两套文本转语音（TTS）模型，覆盖超过100种语言，面向开发者与内容创作者提供更灵活的语音合成能力。

从描述生成专属语音

Flash TTS支持‘文本驱动语音设计’：用户仅需输入如‘沉稳、略带鼻音的中年男性声音，语速偏慢’等自然语言描述，即可生成符合要求的全新AI语音，无需预设音色库。

增强叙事控制与对话生成

两类模型均允许在脚本中嵌入舞台指令（如‘停顿两秒’‘提高音量’），并能基于同一份剧本自动分配角色、生成自然流畅的双人对话输出。此外，语音克隆功能仅需30秒音频样本即可构建个性化声纹模型。