谷歌 Gemini 3.8 Flash TTS 以 89.5% 的成绩在发音基准测试中居首

Google 于 9 月 23 日推出 Gemini 3.8 Flash TTS 模型，并在 Artificial Analysis Pronunciation Robustness Benchmark 上取得 89.5% 的最高分。该成绩较其前代模型 Gemini 3.1 Flash TTS 提高了 1.3 个百分点，后者得分为 88.2%。该模型还在 Hume AI Voice Design Benchmark 上以 71.4 分的总分位居第一，并在口音复现方面取得 60.8 分。随着 AI 代理、客户服务应用和内容创作工具对高质量语音合成的需求不断增长，文本转语音 AI 领域的竞争日益激烈。

Gemini 3.8 Flash TTS 在发音鲁棒性基准测试中取得 89.5% 的分数

Gemini 3.8 Flash TTS 在 Artificial Analysis Pronunciation Robustness Benchmark 上取得 89.5% 的分数，位居第一。该模型的前代产品 Gemini 3.1 Flash TTS 在同一测试中取得了 88.2% 的分数。

该模型还在 Hume AI Voice Design Benchmark 上以 71.4 分的总分位居榜首。在口音复现方面，其得分为 60.8。Gemini 3.8 Flash TTS 在 Hume AI Overall Quality Index 上包揽第一和第二名。

Google 于 9 月 23 日发布 Gemini 3.8 Flash TTS

Google 于 9 月 23 日推出 Gemini 3.8 Flash TTS，同时发布了名为 Flash-Lite TTS 的轻量版本。两款模型均可通过 Gemini API 和 Google AI Studio 使用，其模型标识符分别为 gemini-3.8-flash-tts 和 gemini-3.8-flash-lite-tts。

基础版 Gemini 3.8 Flash 模型于 9 月早些时候发布。面向 TTS 的升级版本约三周后推出。

该模型支持通过文本提示进行语音设计。它可以根据大约 30 秒的音频样本复刻特定声音，还支持多说话人互动，让单个模型为不同角色之间的完整对话配音。

该模型覆盖超过 100 种语言，并支持地区口音。Google 表示，该模型可提供录音室级别的语音保真度，并通过元数据和内联标签实现精细控制。

ElevenLabs 和 OpenAI 角逐 TTS 市场

ElevenLabs 已围绕高质量语音合成建立业务。OpenAI 也一直在扩展自身的音频能力。随着 AI 代理、客户服务机器人和内容创作工具对更高质量语音的需求不断增长，TTS 市场已从小众领域发展为竞争激烈的市场。

常见问题

Google Gemini 3.8 Flash TTS 在发音鲁棒性基准测试中取得了多少分？

Google Gemini 3.8 Flash TTS 在 Artificial Analysis Pronunciation Robustness Benchmark 上取得 89.5% 的分数，位居第一。其前代模型 Gemini 3.1 Flash TTS 的得分为 88.2%。

Google 何时推出 Gemini 3.8 Flash TTS？

Google 于 9 月 23 日推出 Gemini 3.8 Flash TTS，同时发布了名为 Flash-Lite TTS 的轻量版本。基础版 Gemini 3.8 Flash 模型于 9 月早些时候发布，面向 TTS 的升级版本约三周后推出。

Gemini 3.8 Flash TTS 包含哪些技术能力？

Gemini 3.8 Flash TTS 支持通过文本提示进行语音设计、根据大约 30 秒的音频样本复刻声音，以及多说话人互动。它覆盖超过 100 种语言，支持地区口音，并通过元数据和内联标签提供录音室级别的语音保真度和控制能力。