Gemini 3.8 Flash TTS

Google 旗舰级创作语音模型:长篇朗读稳定,风格指令和正文分开写,30 种声音。

积分包或订阅

积分包永不过期

了解更多

积分包或月度订阅，一份余额通用 ZOOOP 所有模型。 · 按需充值，积分包的积分用完为止。

Gemini 3.8 Flash TTS

选择模型*

Prompt*

Style Instructions

Voice*

登录后,你的生成结果会出现在这里。

注册即送体验积分
积分包永不过期 · 订阅 $9/月起
图片、视频、音频的顶尖 AI 模型,全都有
收藏、管理、下载你的所有生成结果

创建账号免费。

核心能力

风格指令和正文分开

脚本里只写要说的话,怎么说写在 Style Instructions(风格指令)里,比如"温暖、慢一点""像戏剧化的新闻播报"。脚本保持干净,同一段文字可以读出好几种味道。

长篇朗读不跑偏

Google 专门让 3.8 在长达几分钟的旁白里保持音色、音量和房间声场一致,不会读到一半变了个声音。

内联语气事件

在文本里该出现的位置加 <laugh>、<sigh> 或 <short pause>,读出来更自然、更有表演感。

30 种声音,多种语言

30 种有名字的声音,从 Kore、Puck 到 Zephyr、Achernar。Google 表示模型会自动识别输入语言,支持 130 种语言。

使用场景

有声书和长篇旁白

朗读整章内容和长篇讲解,声音从第一分钟到最后一分钟都不变。

一份脚本,几种读法

正文不动,只改风格指令,就能得到平静版、活泼版和戏剧版。

课程和培训音频

多节课的旁白保持一致,停顿放在学员需要的位置。

给数字人配音

先生成语音,再用它驱动 Kling Avatar V2 这类数字人模型。

如何选对模型

选对语音模型。你的积分在 ZOOOP 上处处通用。

风格指令、长篇旁白稳定Gemini 3.8 Flash TTS ←

用音频标签做最有表现力的朗读,90 多种语言Eleven V4

自然的中文配音Qwen3-TTS

便宜、声音多的 TTSInworld TTS

音效和环境声Sound Effects V3

驱动数字人口播Kling Avatar V2

如何使用

在本页打开 Gemini 3.8 Flash TTS,或在音频工具里选中它。

粘贴要读的文字,在需要的位置加上 <laugh>、<sigh> 或 <short pause>。

选一个声音,需要的话再写一条风格指令。

生成,再下载音频或发送到画布。

深入了解

Gemini 3.8 Flash TTS 擅长什么,不擅长什么

Gemini 3.8 Flash TTS 是 Google 的旗舰级创作语音模型,它的设计思路很明确:把要说的话和怎么说分开。你粘贴的是一字不差要读出来的内容,怎么读则写在单独的风格指令里。脚本因此保持干净,同一段文字不用改动就能试平静、活泼、戏剧化几种读法,也适合一个人写稿、另一个人负责导演的团队。

第一个关键能力是长篇稳定性。Google 让 3.8 在长篇旁白和长对话中保持音色、音量甚至房间声场的一致,十分钟的一章不会慢慢变成另一个声音。这是做有声书、课程和长篇讲解时选它而不是 Gemini 3.1 Flash TTS 的主要理由。

第二个是精准的表演提示。风格指令比 3.1 执行得更到位,<laugh>、<sigh>、<short pause> 这类内联语气事件会落在你放的位置。Google 还列出了对地方口音和少数方言的支持,并表示模型会自动识别输入语言,覆盖 130 种语言。

在 ZOOOP 上可以从 30 种有名字的声音里选,风格指令可填可不填。

不足的地方:声音来自 Google 的预置声音库,ZOOOP 上没有声音克隆或自定义声音;双人对话目前还没有开放,需要每个说话人分开生成。用标签驱动、搭配 ElevenLabs 声音的表演是 Eleven V4 的强项;以中文为主的项目,Qwen3-TTS 更顺手。

一个合理的用法:长篇旁白、想用大白话指导朗读的配音,用 Gemini 3.8 Flash TTS。更喜欢音频标签和 ElevenLabs 声音就用 Eleven V4,要把声音变成会说话的视频用 Kling Avatar V2。