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

Google 於 2026 年 9 月 22 日在 Gemini API 官方 changelog 宣布，Gemini 3.8 Flash TTS 與 Gemini 3.8 Flash-Lite TTS 兩款文字轉語音模型正式進入 GA（generally available，一般開發者皆可用於正式環境），取代先前的 Gemini 3.1 Flash TTS Preview。第三方技術媒體多把這則消息記為 9 月 23 日，實際官方版本紀錄的日期是 9 月 22 日。

規格與價格：兩條產品線的分工

這次 GA 把語音產品線一分為二，讓開發者依語言需求與預算選邊：

• Flash TTS：支援完整語言清單，音訊費率較高，適合多語市場。
• Flash-Lite TTS：語言清單較短，費率較低，適合單一語言、量大的場景。

Flash TTS 的標準費率為文字輸入每百萬 token 0.50 美元、音訊輸出每百萬 token 9.00 美元；官方註明這是 2026 年底前的優惠價，2027 年 1 月 1 日起會調整為 1.00 與 18.00 美元。音訊以每秒 25 token 計費，換算下來每生成一秒語音約 0.02 美分。

技術意義：選音色變成描述音色

官方強調兩項能力。一是 studio-grade（錄音室等級）的音質保真度；二是 voice design（語音設計）——除了從既有的固定音色清單挑選，使用者也可以用一段文字描述想要的聲音特質，由模型直接生成對應音色。另外也支援從短樣本複製聲音，並附帶同意聲明的檢核機制。

這個轉變值得注意：過去語音合成的個性化，受限於供應商預先錄好的音色庫；現在音色本身變成可被自然語言指定的參數。對需要維持品牌一致語調的組織來說，這是從「挑最接近的」多出一條「說清楚要什麼」的路。

與前代比較：降價超過一半的訊號

它所取代的 Gemini 3.1 Flash TTS Preview，音訊輸出費率是每百萬 token 20.00 美元。新版 9.00 美元等於降價逾半，而且是在從 Preview 升級為 GA、可用於正式環境的同時發生。價格與穩定度同時往有利方向走，通常代表供應商對底層推論成本已有把握，也意味語音功能正從實驗性加值項，變成可以寫進正式產品規格的基礎元件。

對管理者的意義

當每秒語音的邊際成本降到 0.02 美分，過去因為錄音與配音成本而被否決的內部提案，值得重新拿出來算一次：多語客服語音、產品操作導覽、教育訓練旁白、門市廣播。但別忽略兩件事——2027 年 1 月 1 日起費率會調升為現行優惠價的兩倍，長期預算要用調整後的數字估；聲音複製的同意聲明機制，在泰國 PDPA 架構下同樣是必須留存的憑證，不是技術細節而是合規紀錄。