用 Gemini 3.8 Flash TTS 生成語音

先確定這段錄音要完成甚麼任務：講清楚一個步驟、讀出故事的開頭，還是讓兩個人圍繞一個問題交流。把準備好的文字貼上到腳本中，選擇聲音，然後閱讀生成按鈕旁的積分估算。首次測試不用寫得很長，一段能夠代表最終內容的短稿更容易檢查。試聽聲音預覽可以幫助你縮小選擇範圍，但中性設定下的預覽不能完全代表這段文字的最終讀法。

生成需要登入，並有足夠的可用積分。新帳號註冊贈送 20 積分，有效期為註冊後 30 天；這不代表無限免費生成。腳本、模型或聲音調整完成後，再確認一遍估算。載入範例只是填入可編輯內容，不會自動提交任務。你可以先修改名稱、數字和表達方式，也可以保留預設參數，等第一段結果出現後再決定下一次要改哪裡。

書面表達和口頭表達的節奏往往不同。一句話里如果同時出現多個條件、括號和縮寫，聽眾可能需要反復聽才能理解。把長句拆成幾個有明確主語和動作的短句，用標點區分層次。人名、品牌名、日期和單位最好放進第一次測試，聽到讀音後再決定是否需要改寫。不要把需要核對的事實交給聲音模型判斷，錄音聽起來流暢也不代表內容準確。

中文與英文混合時，先保留你希望被讀出的實際文字。檢查字母縮寫、產品名稱以及前後句的連接，再調整聲音描述。將一句話寫得更清楚，通常比同時增加很多聲音指令更容易判斷效果。單次請求最多 5,000 個字元，雙人模式按所有輪次的文字合計計算；語氣標籤也是腳本的一部分。較長內容可以在編輯器中組合多個片段，但每段和相鄰片段都需要試聽。

聲音描述用於說明這個聲音如何表達，例如“語氣平穩，像給第一次接觸這個主題的人解釋”。場景描述可以說明人物之間的關係和所在情境。它們不是要被朗讀的正文，也不需要堆滿相互衝突的形容詞。可以先保留一種表達目標：讓說明更清楚、讓開場更親切，或者讓故事的疑問更明顯。聽完結果後，每次只調整一個因素，比較同一段文字。

工作台可以調整風格、語速和口音。先保留預設設定，聽完短稿後再嘗試一種變化，例如讓講解的節奏更舒緩，或讓對話更有親切感。如果需要停頓、嘆氣或笑聲，可以在對應句子的位置加入實際支持的 <short pause>、<sigh> 或 <laugh> 標籤。保留英文標籤原樣，避免把它們寫成中文尖括號指令。標籤的具體表達仍需試聽判斷，不保證精確持續時間。

切換到雙人模式，分別選擇兩種容易區分的聲音，然後把每一句交給說話人一或二。先給角色明確分工，比如主持人提出簡短問題，嘉賓解釋一個具體例子。不要只是讓兩個人重復同一結論；後一句應該回答、追問、補充或澄清前一句。共同的場景描述可以交代交流關係，而每個人的聲音描述只說明自己的表達方式。

試聽時既要關注單個聲音，也要關注兩個人作為一組是否清楚。輪次太長，可能聽起來更像輪流朗讀文章；輪次過短，又可能打斷解釋。可以先用四到六句嘗試，確認角色、讀音和語氣，再擴展段落。一次雙人請求返回一個合併音訊，不提供兩條獨立聲軌，也不會自動生成影片或背景音樂。需要完整節目製作時，在下載後使用自己的音訊編輯器。

本站按提交文字的每開始 100 個字元計算積分。Flash 目前每塊為 1.2 積分：100 個字元為 1.2，101 個字元為 2.4，500 個字元為 6。雙人模式下所有輪次計入合計長度。工作台的實時估算使用同一報價來源，可以在編輯腳本和切換模型後查看。不要通過音訊秒數反推確定費用；不同稿件和表達方式可能產生不同的錄音長度。

Flash-Lite 在相同界面中提供較低的積分費率，目前每開始 100 個字元為 0.8 積分。可以用同一稿件和聲音分別測試，再決定適合自己的版本。切換模型只改變下一次請求，不會重新生成已經完成的錄音。詳細模型對比目前提供英文內容，中文界面會明確標注英文入口。本站積分屬於本應用，與 Google 官方 API 的賬戶、計費和可用額度分別管理。

任務完成後，在工作台試聽整個錄音，尤其檢查人名、數字、句子末尾和說話人變化。如果某句話不清楚，先修改短片段，確認改動後再生成新的版本。保留已滿意的 WAV 檔案和對應設定，之後製作系列內容時可以作為起點。分開生成的片段仍可能有差異，不能只憑一次短稿就承諾長篇聲音一致。

完成的作品可以在個人作品庫中找回，並使用已有下載功能儲存。下載結果是 WAV；目前流程不承諾 MP3 轉換、固定時長、獨立聲軌或精確時間戳。音色庫里的試聽錄音和你生成的結果會分別標識，界面語言也不等於樣本語言。如果你正在選擇中文聲音，應當用實際中文稿件試聽，而不能僅根據英文預覽推斷全部效果。