Gemini 3.8 Flash TTS 正式 GA：用一段文字描述就生成音色，语音成本砍到前代一半以下

谷歌于 2026 年 9 月 22 日在 Gemini API 官方 changelog 宣布，Gemini 3.8 Flash TTS 与 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型正式进入 GA（generally available，普通开发者均可用于生产环境），取代此前的 Gemini 3.1 Flash TTS Preview。第三方技术媒体多把这条消息记为 9 月 23 日，实际官方版本记录的日期是 9 月 22 日。

规格与价格：两条产品线的分工

这次 GA 把语音产品线一分为二，让开发者按语言需求与预算选择：

• Flash TTS：支持完整语言清单，音频费率较高，适合多语市场。
• Flash-Lite TTS：语言清单较短，费率较低，适合单一语言、大批量的场景。

Flash TTS 的标准费率为文本输入每百万 token 0.50 美元、音频输出每百万 token 9.00 美元；官方注明这是 2026 年底前的优惠价，2027 年 1 月 1 日起将调整为 1.00 与 18.00 美元。音频按每秒 25 token 计费，折算下来每生成一秒语音约 0.02 美分。

技术意义：选音色变成描述音色

官方强调两项能力。一是 studio-grade（录音棚级）的音质保真度；二是 voice design（语音设计）——除了从既有的固定音色清单挑选，用户也可以用一段文字描述想要的声音特质，由模型直接生成对应音色。此外也支持从短样本复制声音，并附带同意声明的核验机制。

这个转变值得注意：过去语音合成的个性化，受限于供应商预先录好的音色库；现在音色本身变成可被自然语言指定的参数。对需要保持品牌一致语调的组织来说，这是在「挑最接近的」之外，多出一条「说清楚要什么」的路。

与前代比较：降价过半的信号

它所取代的 Gemini 3.1 Flash TTS Preview，音频输出费率是每百万 token 20.00 美元。新版 9.00 美元相当于降价过半，而且是在从 Preview 升级为 GA、可用于生产环境的同时发生。价格与稳定度同时往有利方向走，通常意味着供应商对底层推理成本已有把握，也意味着语音功能正从实验性增值项，变成可以写进正式产品规格的基础组件。

对管理者的意义

当每秒语音的边际成本降到 0.02 美分，过去因为录音与配音成本而被否决的内部提案，值得重新拿出来算一遍：多语客服语音、产品操作导览、培训旁白、门店广播。但别忽略两件事——2027 年 1 月 1 日起费率会上调为现行优惠价的两倍，长期预算要用调整后的数字估算；声音复制的同意声明机制，在泰国 PDPA 框架下同样是必须留存的凭证，不是技术细节而是合规记录。