本文目录

Google 公开账号（@Google）发帖称：Gemini 3.8 Flash TTS 的 Voice Remixing 已在 Google AI Studio 与 Gemini API 上线（https://x.com/Google/status/2118027058794148099）。帖子时间戳为 2026-11-04T17:06:16Z，即 2026-11-05 01:06:16 Asia/Shanghai。文案写：可从 2,000+ 声库或自定义设计的声出发，用提示微调 timbre、pitch、pace、accent（帖内举例包括 “add a subtle Southern U.S. accent”“make it sound like a fire-breathing dragon”）。同帖续文指向 AI Studio 里的 「Remix this voice」，可并排试听 三 个生成 takes，再保存复用于脚本与多说话人场景。@GoogleDeepMind 随后转帖同一宣布（2026-11-04T17:12:04Z／2026-11-05 01:12:04 Asia/Shanghai；https://x.com/GoogleDeepMind/status/2118028516948336696）——可作交叉确认，不当作第二条独立产品公告。DigIntoAI 暂时还没有在 Studio 点 Remix，也没有调用 voices API，更没有听 sample；下文均来自这些公开帖与 Google 开发者文档。

相关阅读：OpenAI 自定义声音：文字设计与录音克隆有什么区别、Gemini API 价格（2026年11月）、Gemini API 付费档新项目默认会存 Generate Content 请求、Google 发布 Gemini 4 Carbon：下一代前沿模型。

上线的是什么（既有 TTS 上的功能——不是新模型）

主题是 Voice Remixing：用自然语言改已有声音——落在已经在售的 Gemini 3.8 Flash TTS 系列上。它不是新 TTS 模型 ID 首发，也不是用新型号替换 Gemini 3.8 Flash TTS／Flash-Lite TTS 本身。

Google 的 Voice remixing 文档把流程写成：

  1. 选一个 base_voice（预置 studio 名、Extended Voice Library ID，或已存自定义 voice_...）。
  2. 调用 POST /v1beta/voices，type="prompted"、store=True，并用相对自然语言 input 描述改动（年龄、音高、能量、音色、口音、节奏等）。
  3. 拿到新的、独立存储的 voice_... ID——可选附带 24 kHz WAV sample_audio 预览——不改写原来的 base_voice。

该 voice_... 随后可用于 gemini-3.8-flash-tts 与 gemini-3.8-flash-lite-tts 合成。创建时 model 常为／默认可省略时用 gemini-3.8-flash-tts。文档点名的交互入口：Google AI Studio generate-speech（https://aistudio.google.com/generate-speech）。

speech-generation 指南已在单声 TTS 的声选项里列入 remix 得到的 voice_...（与预置声、Extended Voice Library、Voice design、Voice replication 并列）——说明 remixing 落在既有 TTS 文档树里，不是另一套模型家族。

API 形状（人话）

文档示例会把预置 "Puck" 用相对提示 remix（例如略显年长、带一点温暖英式口音、有声书式的沉稳节奏），打印新的 voice_...，可选保存 WAV 预览，再在 speech_config 里用该 ID 合成。

文档写明的关键参数：

字段作用
store=Trueprompted 声必填；存进项目
voice.type="prompted"remix／design 路径（与 Voice design 同属一端点家族，并加上 base_voice）
prompted.base_voice源声名或 ID
prompted.input相对自然语言改动
返回的 voice_...新资源；Flash TTS 与 Flash-Lite TTS 都可用

文档还写了迭代 remix：已 remix 的 voice_... 可再当下一轮 base_voice。remix 新建资源，不覆盖源声；按文档，之后删除原 base_voice 也不影响从它 remix 出来的声。

同页配额表述（按文档原文）：Voice remixing 需要 Gemini API Paid Tier（Tier 1 及以上）；每项目最多 200 个有状态存储声（designed／remixed／已存 replicated 共享）；保留期为自上次使用起 1 年，用于合成或作为 remix 的 base 时窗口会重置。DigIntoAI 暂时还没有用真实项目账单核对这些限额。

提示写法上，文档更主张写相对调整（改要改的点），而不是整段重写人设；除非明确改语言／口音，否则倾向保留 base 的语言与口音；长久人设放 remix，单轮演技放合成时的 speech_metadata.style。

两个「声库数字」——分层读

公开表述与文档说的库存层次不同：

  • @Google 帖与 9 月产品博文都提到约 2,000+ 可量产／预置声的宽库（帖子也允许从自定义设计声起步）。
  • Voice remixing 文档写：base_voice 可以是约 30 个预置 studio 名（如 "Puck"／"Kore"／"Zephyr"），或 Extended Voice Library 的目录 ID（GET /v1beta/voices／client.voices.list()），或 项目内已存的 prompted voice_...。

这不是同一集合写了两遍。把 2,000+ 读作公开宣布与产品博文里的宽库口径；把 约 30 个 studio 名＋Extended Voice Library＋已存自定义 ID 读作文档对 base_voice 可接受来源的分层说明。DigIntoAI 暂时还没有枚举现网目录。

时间线：博文仍 Coming soon，帖子＋文档标上线

2026-09-23，Google 产品博文 *Gemini 3.8 text-to-speech says hello* 介绍了 Gemini 3.8 Flash TTS 与 Flash-Lite TTS，并在创建与自定义一节把 Voice remixing 标成 「Coming soon」——从声库选声，用提示微调 timbre／pitch／pace／accent。再开该页时，Coming soon 文案仍可见，dateModified 仍落在 2026-09-23（那一行并未改成已上线的过去时）。

现在能不能用，以 2026-11-04／11-05 Asia/Shanghai 的 @Google 帖与现网 Voice remixing 开发者文档为准——不会因为 9 月博文还写 Coming soon 就否定上线，也不会把那篇博文改写成「当时已经宣布 GA」。博文仍可用于早期时间线，以及与公开帖一致的 2,000+ 声库说法。

DigIntoAI 没做的事

  • 未登录 Google AI Studio 点 Remix this voice、未对比三 takes
  • 未从 DigIntoAI 侧调用 POST /v1beta/voices
  • 未评估 remix sample 听感、口音或多说话人复用
  • 未测 remix 创建与 TTS 合成的计费／配额
  • 未声称 9 月产品博文已删掉 Coming soon

产品帖与文档可能更新；依据仍是 Google 公开帖及 Voice remixing／speech-generation 文档。

速览

  1. 是什么. Voice Remixing——对已有声做自然语言改动 → 新的 voice_... ID。
  2. 在哪. Google AI Studio + Gemini API（据 @Google）；文档链 Studio generate-speech。
  3. 何时称上线. @Google 2026-11-05 01:06:16 Asia/Shanghai（2026-11-04T17:06:16Z）；DeepMind 转帖在数分钟后。
  4. 谁用 remix ID. gemini-3.8-flash-tts 与 gemini-3.8-flash-lite-tts（不是新模型系列）。
  5. API. POST /v1beta/voices，type="prompted"，base_voice + 相对 input，store=True。
  6. 声库口径. 公开帖／9 月博文：2,000+；文档：约 30 studio 名 + Extended Voice Library + 已存自定义——分层读。
  7. 9/23 博文. 仍可见 Voice remixing Coming soon；上线判断跟帖子 + 现网文档。
  8. 相关. OpenAI 自定义声（prompt vs 录音）、Gemini API 价格、Generate Content 默认存储、Gemini 4 Carbon。

一句话

Google 称 Gemini 3.8 Flash TTS 的 Voice Remixing 已在 AI Studio 与 Gemini API 上线，可用自然语言从 2,000+（或自定义）起点调 timbre／pitch／pace／accent。开发者文档写明 POST /v1beta/voices → 新的存储 voice_...（给 gemini-3.8-flash-tts／gemini-3.8-flash-lite-tts 用，不覆盖原声）。这是既有 3.8 TTS 上的功能，不是新模型发布。2026-09-23 产品博文仍可能显示 Coming soon；上线依据是 11 月公开帖与现网文档。DigIntoAI 暂时还没有实测 Studio／API／听感／计费——细节跟上述公开来源。