Gemini 3.8 TTS 体验平台

📢 本文同步发布於公众号：AI Agent · 最佳实践
🔗 原文链接：https://simonwillison.net/2026/Sep/23/gemini-tts-playground/

重磅！Gemini 3.8 TTS 实战体验：2000+音色随心选

工具： Gemini 3.8 TTS Playground

谷歌今天发布了两款全新的 Gemini 文本转语音模型——gemini-3.8-flash-tts 和 gemini-3.8-flash-lite-tts。

🎙️ 核心亮点

这两款模型自带超过 2000 种音色的声音库，还支持通过"仅需 30 秒的你本人或你拥有合法使用权的音频样本"来创建自定义音色。

我借助 GPT-6 Astra 用 vibe coding 的方式撸了一个 bring-your-own-key 的 Playground 界面，充分利用了底层 Gemini API 开放的 CORS 策略。

🔊 多角色对话功能

这个 API 有一个非常亮眼的功能：可以轻松定义多个角色之间的完整对话，每个角色都能配置不同的音色和声音风格指令。

下面是一段简短的演示片段——两只鹈鹕在争论要不要搬到 Pacifica Pier 去住。我让 Claude 4.5 Opus 写了脚本，并生成了一个用该工具渲染这段对话的 URL。

你的浏览器不支持音频元素。

⏱️ 性能与成本

使用 Gemini 3.8 Flash TTS（不是更便宜的 Flash-Lite）生成 1 分 18 秒的音频大约花了 20 秒，成本仅为 2.74 美分。

近期文章

本文由 Simon Willison 撰写，发布于 2026 年 9 月 23 日。