Google DeepMind在语音生成领域再度落子。该机构最新推出Gemini 3.8 Flash TTS与Gemini 3.8 Flash-Lite TTS两款文本转语音模型，进一步扩展其Gemini 3.8系列在多模态方向的能力边界。

从功能维度看，两款模型均支持通过自然语言提示词从零开始设计声音，也可基于30秒音频样本完成音色复刻。这意味着用户无需依赖预设音库，即可按需生成特定风格或特定说话人的语音输出。

在控制粒度上，新模型提供了逐行表演指导能力，允许对语音的情绪、节奏等表现层细节进行精细化调节。同时，模型支持长时音频生成以及双说话人场景编排，可满足对话、旁白等更复杂的语音内容生产需求。

语言覆盖方面，Gemini 3.8 Flash TTS与Flash-Lite TTS支持超过100种语言，延续了该系列在多语种场景下的适用性。两款模型以Flash与Flash-Lite命名，或对应不同的性能与成本定位，但官方暂未披露具体参数与定价信息。