谷歌发布 Gemini 3.8 Flash TTS（文本转语音） 系列语音模型，加入声纹水印与同意核验
谷歌发布 Gemini 3.8 Flash TTS（文生语音）与 Flash-Lite TTS（文本转语音） 两款模型，支持用自然语言从零定制音色、用30秒音频样本复刻声音，并可按台词逐行控制语速与情绪。
谷歌称复刻需提供声音所有者的口头同意录音，生成音频嵌入 SynthID 水印并附 C2PA 凭证。 上述性能排名与安全机制均属谷歌自述，尚未见独立第三方验证。
谷歌2026年9月23日在其官方博客发文，由 Gemini 音频团队两位成员 Leland Rechis（产品群经理）与 Alan Cowen（研究科学总监）署名，介绍 Gemini 3.8 Flash TTS（文本转语音） 与 Gemini 3.8 Flash-Lite TTS。
原文称 Flash TTS 侧重角色设计与逐行表演指导，Flash-Lite TTS 侧重高并发、低成本的配音与语音代理； 音色库从30个原始音色扩展至2000余个成品音色，支持100多种语言和方言，声音复刻仅需30秒音频样本。
原文称两款模型分别取得 Hume AI（情感计算人工智能公司） 语音设计基准总分第一（71.4）与口音建模第一（60.8），并在 Hume AI 整体质量指数上分列第一、第二； 在 Voice Arena 盲测人类偏好中，于日语、巴西葡萄牙语、越南语、现代标准阿拉伯语、墨西哥西班牙语和印地语等语言位居前列。
安全方面，原文称复刻前须提供与参考说话人匹配的口头同意录音，所有 Gemini 音频模型生成的音频均嵌入 SynthID 不可感知水印，并附 C2PA 凭证。
上线渠道为 Gemini API（应用程序编程接口）、Google AI Studio、Gemini Notebook（Flash TTS）与 Google（谷歌） Vids（Flash-Lite TTS），Gemini Enterprise 的 API 接入“即将推出”。
这条发布把语音合成的治理问题从“能不能造”推进到“怎么证明来源与授权”：同意录音把配音人才的授权前置为生成门槛，SynthID 水印与 C2PA 凭证则试图给音频内容附加可追溯属性。 对评测与治理而言，值得关注的是这些机制属于厂商自述能力，而不是独立审计或统一标准下的合规结论； 水印能否经受重编码、混音、二次合成等现实处理，目前原文未提供任何测试数据。
基准排名由 Hume AI（情感计算人工智能公司） 提供，原文未说明评测方法、样本规模与是否由第三方复核，读者不宜把它当作独立验证的表现结论。
后续观察信号
- 谷歌是否公开模型卡中关于水印鲁棒性的具体测试数据
- Gemini Enterprise 的 API（应用程序编程接口） 接入何时落地，企业侧是否有单独的安全文档