Gemini 3.8 文本转语音演练工具

# 工具：Gemini 3.8 TTS Playground 来源：https://simonwillison.net/2026/Sep/23/gemini-tts-playground/ 工具页面 (https://simonwillison.net/elsewhere/tool/) Gemini 3.8 TTS Playground (https://tools.simonwillison.net/gemini-tts-playground) — 通过交互式界面测试和实验 Google 的 Gemini 3.8 文本转语音 API。您可在此创作单人叙述或多角色对话，预览生成的音频，并深入查看请求与响应的详细信息。创作设置会自动保存至可书签的 URL，方便分享。使用您自己的 Gemini API 密钥，即可生成高质量语音合成音频。 Google 今日发布了两款新的 Gemini 文本转语音模型 (https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-text-to-speech/) — `gemini-3.8-flash-tts` 和 `gemini-3.8-flash-lite-tts`。 这些模型内置超过 2,000 种声音库，并支持通过“仅需 30 秒您拥有使用权的声音样本”创建自定义语音。 我与 GPT-6 Astra 一起通过氛围编码 (vibe coded) (https://tools.simonwillison.net/markdown-svg-renderer?url=https%3A%2F%2Fgist.github.com%2Fsimonw%2Fa82f3aef2677c623d1776092d6b21224) 完成了这个“自带密钥”的交互界面开发，这得益于 Gemini API 底层开放的 CORS 策略。 ![网页应用截图，用于创作多角色文本转语音对话。左侧是“创作”面板，右侧包含“连接”和“底层详情”面板。左侧：“01 创作”面板带有“加载示例”按钮。提示“创作设置保存在 URL 中，可收藏或分享。您的 API 密钥不会被包含。”切换选项为“单人语音”和“对话”（已选择“对话”）。“角色”区域有“+ 添加说话者”按钮。说话者“Gus”，语音“Puck”，带移除×按钮。说话者“Pearl”，语音“Kore”，带移除×按钮。提示“为每位说话者设置唯一名称和语音。可在任一语音栏输入，通过语音 ID、名称或语言在已加载的目录中搜索。”“对话”区域有“+ 添加台词”按钮。“台词 01”带上下移动和×按钮；说话者下拉菜单选“Gus”；演绎风格为“兴奋且八卦”；文本“Pearl，你听说了吗？鸟群有一半收拾行李搬去了太平洋码头！”“台词 02”带上下移动和×按钮；说话者下拉菜单选“Pearl”；演绎风格为“平静且不以为然”；文本“听说了。老实说，Gus，我看不出那里有什么好。我们所需的一切，这里——柱点港，都有。”右侧：“连接”面板带有“直连 API”标记。“Gemini API 密钥”字段显示掩码圆点，附有“显示”按钮。“已加载 2,089 种声音。在任一语音栏中输入可搜索。”“您的密钥仅保存在当前页面内存中，直接发送至 Google，绝不会存储到浏览器存储空间。”“模型”下拉菜单选“gemini-3.8-flash-tts”。“使用您的 Gemini API 账户和配额。”“底层详情”面板包含展开的“▼ 请求 JSON”部分，显示 JSON 代码片段及“复制 JSON”按钮，以及展开的“▼ 响应详情”部分，显示 JSON 代码片段。] 该 API 的一个显著特点是，能够轻松定义完整的多角色对话，每个角色都拥有不同的语音和演绎风格指令。 这是一段两只鹈鹕讨论是否应该搬到太平洋码头的对话短片演示 (https://simonwillison.net/2026/Sep/12/sighting-399708714/)。我让 Claude 4.5 Opus 编写了脚本 (https://claude.ai/share/3597fc77-9323-4583-aeb9-b0e4c3f654a3)，并生成了使用该工具渲染的 URL (https://simonwillison.net/u/vj)。 <audio controls src="https://simonwillison.net/2026/Sep/23/pelicans.mp3"></audio> （您的浏览器不支持音频元素。） 使用 Gemini 3.8 Flash TTS（非更廉价的 Flash-Lite）生成 1 分 18 秒音频耗时约 20 秒，成本为 2.74 美分。