← AI 動態
The Decoder
Google 全新 Flash TTS 模型登場：用「文字描述」就能從零打造 AI 專屬人聲
Google 發表全新 Gemini 3.8 Flash TTS 與 Flash-Lite TTS 模型，支援逾百種語言。只需輸入文字描述或30秒音檔，就能輕鬆創造專屬語音，還能加入舞台指示生成對話，大幅降低音訊創作門檻。
Google 最新推出的 Gemini 3.8 Flash TTS 與 Flash-Lite TTS 語音生成模型，為語音合成技術帶來全新突破。這兩款模型不僅支援超過 100 種語言，最大的亮點在於使用者可以直接透過「文字描述」來設計全新的 AI 聲音，這意味著你可以像寫 Prompt 一樣「捏」出符合特定人設的聲音；此外，模型也支援利用短短 30 秒的音訊樣本進行高精準度的聲音複製。
新模型也賦予創作者前所未有的控制權，你可以在腳本中的每一句台詞加入「情緒或舞台指示」，甚至直接生成自然流暢的雙人對話。高階的 Flash TTS 特別適合用於 Podcast、有聲書與遊戲角色配音等創意領域；而輕量版的 Flash-Lite TTS 則專為大規模且低成本的語音生成設計，非常適合企業導入 AI 語音客服或大量自動化配音。
這項技術的發布代表著多模態 AI 的又一次飛躍。對一般大眾和內容創作者而言，未來製作高品質、具備豐富情感的音訊內容不再需要專業錄音室與配音員，大幅降低了時間與金錢成本。隨著語音生成技術變得像文字生成一樣普及，我們將迎來更加豐富的沉浸式數位內容體驗。