Gemini 3.8 Flash TTS：先描述声音，再写脚本
Gemini 3.8 Flash TTS 是 Google 的旗舰语音模型，也是首个让你通过指导来塑造声音，而非从列表中挑选声音的模型。用日常语言描述你想要的声音——比如疲惫的夜班调度员，或活泼的青少年旁白——它就会用这种声音演绎你的脚本，支持 130 多种语言，并采用你指定的口音。你可以逐句指导表达方式、安排两个角色对话，还能让数小时的音频始终保持相同的音色。现已在 Picsart 的 AI Playground 中上线。
- 描述你想要的声音
- 逐句指导表达方式
认识 Gemini 3.8 Flash TTS：塑造角色，而不只是追求清晰
大多数 AI 语音生成器都会提供一份语音列表供你选择，再给你一个调节语速的滑块。Gemini 3.8 Flash TTS 则反其道而行：它是 Google 顶尖的创意语音模型，专为深入的创意指导和角色设计打造，创作从文字描述开始，而非下拉菜单。Google 原创的 30 种声音扩展为包含 2,000 多种可直接用于制作的声音库；你还可以写下描述，创造出库中从未有过的声音。它在 Hume AI 的 Voice Design Benchmark 中排名第一，而这正是该模型的专长。
用一句话设计声音，支持 130 多种语言
写下你想听到的声音，模型就会为你塑造出来：年龄感、质感、活力，以及声音应带有的口音。你可以指定墨西哥西班牙语，而不是泛泛的西班牙语；指定魁北克法语，而非巴黎法语；也可以选择苏格兰口音或美国南方口音，而不是缺乏特色的中性口音。它支持 130 多种语言，并能自动识别你写下的语言，因此脚本无需添加语言标签或声明语言。它在日语、巴西葡萄牙语、越南语、现代标准阿拉伯语、墨西哥西班牙语和印地语中的表现尤为出色。相同的描述每次都能生成同一个角色，让声音可以在系列作品中重复使用，而不只是一次性创作。
- 塑造各地口音
像指导演员一样，为 AI 语音提供演绎指导
平淡无奇的朗读最容易暴露合成语音的痕迹。在这里，你可以单独指导每一句：这一句读得疲惫些，那一句用包袱式的语气收尾，接下来的一句则压低声音，近乎耳语。还可以在演绎需要的地方加入笑声、叹息、惊呼或屏息声。加入真实对话中的各种声音——轻声附和，或是在对方还在说话时发出的细微声响——再安排一场真正的双人对话，让每个角色从头到尾都保持各自的声音。这更像是在指导朗读，而不是单纯生成语音，因此成品听起来不再像文本转语音。
长时间录音也能保持声音稳定
大多数语音模型在长篇内容中都会露出破绽：音色逐渐变化，说话者所处的空间听起来也会改变，到了第九章就和第一章对不上了。Gemini 3.8 Flash TTS 能在数小时的音频中保持语音质量、节奏和角色音色稳定，从第一句到最后一句都维持相同的音量和声学空间。音频以标准 WAV 格式输出，可直接用于剪辑。如果你需要大批量制作，例如配音项目或语音代理？Gemini 3.8 Flash-Lite TTS 属于同一系列，专为高吞吐量优化。在 Picsart 中，这两款模型与 150 多种模型并列提供，你可以在这里为脚本配音，再切换模型处理下一个项目。
- 长时间录音始终保持同一声音
用 Gemini 3.8 Flash TTS 创作更多内容
Gemini 3.8 Flash TTS 常见问题
这是 Google 的旗舰文本转语音模型，于 2026 年 9 月发布，专为创意指导和角色设计打造。你无需从固定语音列表中挑选，只需描述想要的声音，它就会用这种声音演绎你的脚本，支持 130 多种语言，并可逐句调整演绎方式。
使用 GPT Image 2.5 生成 AI 视觉素材
Pro
Most popularAI tools for everyday creative work.
Ultra
Most powerfulHeavy AI usage for creators & teams.
使用 GPT Image 2.5 生成 AI 视觉素材
Pro
Most popularAI tools for everyday creative work.
Ultra
Most powerfulHeavy AI usage for creators & teams.