Google DeepMind 在官方博客发布文章《Say hello to Gemini 3.8 text-to-speech》，宣布推出 Gemini 3.8 的文本转语音（text-to-speech，TTS）能力。这是 Gemini 3.8 系列在语音方向的最新动作；标题中的“say hello”既是向用户打招呼，也点明了这项能力的用途——让模型把文字“说”出来。
目前公开的发布信息较为简洁，未包含模型规模、支持语种、延迟指标或音色数量等具体参数。对关注者来说，后续值得跟踪的是官方文档与 API 侧是否同步开放，以及定价与调用限制。
为什么重要：文本转语音是语音交互闭环的输出端。大模型产品在语音方向的竞争，已经从语音识别（把话听清）延伸到语音合成（把话说好），评价维度通常包括自然度、韵律与情感表现、多语种与口音覆盖、首包延迟，以及能否在长对话中保持音色与风格的一致性。对开发者而言，TTS 质量直接决定语音助手、实时翻译、有声内容生成、无障碍阅读与语音 Agent 等场景的可用性，而延迟与成本则决定这些场景能否真正落地为实时产品。
此次发布意味着 Google 继续把语音能力纳入 Gemini 主线模型的迭代节奏，也为正在做技术选型的团队提供了一个新的候选方案。是否适配具体业务，仍需以官方文档和实测结果为准。
原文链接：https://deepmind.google/blog/say-hello-to-gemini-38-text-to-speech/