Simon Willison 用 Gemini 3.8 TTS 搭建自带密钥语音 Playground
Tool: Gemini 3.8 TTS Playground
Google 发布 gemini-3.8-flash-tts 和 gemini-3.8-flash-lite-tts 两款文本转语音模型，提供超过 2000 种音色，并支持用 30 秒音频样本创建自定义音色。Simon Willison 借助 Gemini API 的开放 CORS 策略，用 GPT-6 Astra 快速搭建了一个自带密钥的 Playground，并演示了多角色对话的语音生成。他实测用 Gemini 3.8 Flash TTS 生成 1 分 18 秒音频约耗时 20 秒，成本 2.74 美分。
推荐理由
AI 评分 59
作者用自建 playground 实测 Gemini 3.8 TTS，给出 2000+ 音色、30 秒克隆和生成成本等可复用细节。
主题
正文 · AI 翻译
2026年9月23日
Google 今天发布了两款新的 Gemini 文本转语音模型——gemini-3.8-flash-tts 和 gemini-3.8-flash-lite-tts。
它们自带一个包含 2000 多种音色的音色库，还支持“只需提供一段 30 秒的音频样本，即可用你自己的声音或你有权使用的声音”创建自定义音色。
我用 GPT-6 Astra 凭感觉写代码，做出了这个自带密钥的 Playground 界面，利用了底层 Gemini API 开放的 CORS 策略。
该 API 的一个显著特点是，它让定义多个角色之间的完整对话变得很容易，每个角色都有不同的音色和音色风格指令。
这里有一段简短的演示片段，是两只鹈鹕在争论它们是否应该搬到 Pacifica Pier。我让 Claude 4.5 Opus 写了脚本，并生成一个 URL，用该工具来渲染它。
你的浏览器不支持音频元素。
使用 Gemini 3.8 Flash TTS（不是更便宜的 Flash-Lite）生成 1 分 18 秒的音频大约花了 20 秒，成本为 2.74 美分。
这是 Simon Willison 的一篇博文，发布于 2026 年 9 月 23 日。
付钱给我，让我少给你发点东西！