Google 發布 Gemini 3.8 Flash 語音模型，賦予創作者高細緻度的導演級控制能力
為何重要
Google 強調「導演」功能的釋出意義在於將語音生成從單純的文字轉語音轉向更複雜的「劇本導演」工作流，這有助於其 AI Studio 徵服高階音訊工作坊市場，同時直接與 ElevenLabs 等競爭對手互別苗頭。
Google 針對影音內容創作發布了 Gemini 3.8 Flash TTS 與 Gemini 3.8 Flash-Lite TTS 兩款語音生成模型，旨在讓開發者與創作者能像使用導演工作臺一樣，橫跨多種語言進行角色聲音客製與臺詞情緒的分鏡導演。
- 支援超過 100 種語言與方言，可透過自然語言提示詞從零建立角色聲音或複製既有聲音，並提供針對每一句臺詞的節奏、情緒甚至對話背景音的精準控制。
- Gemini 3.8 Flash TTS 在 Hume AI 的 Voice Design Benchmark 上獲得 71.4 的高分（排名第一），並在多國語言的 Voice Arena 盲測中位居最佳。
- 內建 SynthID 音訊浮水印與聲音授權確認機制，以確保 AI 生成聲音的透明度與使用合規性。