Gemini TTS 提示詞指南

文字稿是你希望錄音實際讀出的內容。聲音描述用於告訴模型如何表達這段內容，比如“語氣自然，清楚解釋每個步驟”，而不是讓它改寫稿件。場景指令說明交流的背景，例如“第一次見面的主持人和嘉賓，語氣友好”。把這三部分分開，可以更容易判斷結果偏差來自哪裡。如果你把所有要求都寫進正文，可能讓腳本難以閱讀，也不方便檢查哪些文字真的應該被說出。

第一次測試選擇一個簡單目標。比如準備一段介紹，先只要求表達清楚，不同時指定緊張、幽默、低聲和興奮。聽完後把你想改的地方說具體：縮短某個句子、在轉折前增加停頓，或者換一個更容易區分的聲音。每次只改變一個因素，盡量使用相同文字；如果文字、聲音和模型一起換，就很難知道哪項改動起了作用。

節奏首先來自語言本身。把一個動作或觀點放在一句話里，避免多個從句擠在一起。講解類錄音可以先提出問題，再給一個具體例子，最後總結行動。故事類錄音可以用句子長短形成變化，但不要依賴大量停頓標籤來彌補句子結構。朗讀一遍文字，標出自己需要換氣或重新理解的地方，再修改這些句子，通常比一開始就調整全部參數更有效。

中文標點、數字和書面縮寫需要單獨檢查。你可以把日期寫成希望被朗讀的形式，為讀者不熟悉的單位補一句解釋，但不要預設模型一定會按你的習慣讀出所有數字。對教程、產品介紹或教育內容，先自己核對事實，再試聽讀音。語音聽起來有把握不代表資訊已經被驗證。如果一段內容涉及專業詞彙，把關鍵名詞放進短稿測試，不要等整段完成後才發現問題。

名稱和數字經常決定錄音是否可用。測試稿應當包含項目里的實際人名、日期、金額或步驟編號；它們的讀法可能與普通句子不同。改寫名稱時，仍要保持內容準確，避免為了容易朗讀而更改事實。對長串編號，可以根據用途拆開說明，但要讓聽眾能聽懂每個部分之間的關係。載入下面的例子後，把日期和數量替換成你的內容，再檢查對應的字元數與積分估算。

中英文混合也需要實際試聽。保留產品名和縮寫的正確拼寫，先聽一版，再判斷是否需要補充說明或調整句子。不要給整篇文章增加很長的聲音描述來修復一個名稱。可以把那一句單獨拿出來，用相同模型和聲音反復比較兩種寫法。英文樣本只能幫助你判斷初步聲音特點，不能代表相同聲音在國語文字稿中的全部表現。

工作台支持插入 <laugh>、<sigh>、<breath>、<short pause> 和 <long pause> 等現有標籤。它們應當放在希望出現表達變化的那一行，而不是集中列在腳本末尾。比如在一句解釋結束後留出停頓，再開始舉例；或者在人物說出猶豫的回應前加入嘆氣。保留標籤原樣，不把它們翻譯為中文，也不要根據其他服務的例子推斷這裡支持所有標籤。

標籤計入提交文字和長度限制，也會影響積分估算。少量明確的提示通常更容易判斷；如果每句話都含有多個標籤，錄音可能失去自然的連續性。停頓標籤不提供精確秒數承諾，具體時長以生成音訊為準。把標籤的效果和標點的效果分別試聽，不要一口氣改動所有設定。應用例子本身不會扣生成積分，提交新的錄音請求才會使用額度。

預設聲音給你一個初始聲音特點，風格和語速提供工作台已有的控制，聲音描述補充角色的表達方式。可以寫“溫和但清楚，不要把句末拖得很長”，也可以寫“像給新同事解釋操作，語速自然”。避免把聲音描述當成複雜劇情大綱，更不要寫進去一段需要朗讀的正文。你仍然需要聽實際稿件：同一種聲音可能適合輕鬆開場，卻需要另一種指令來解釋複雜步驟。

場景描述在雙人內容中更有用。它說明人物為甚麼交流、他們彼此的關係和整體氛圍，而每個人的聲音描述只說明自己的表現。不要給兩個角色都寫相同的大段要求，導致難以區分。界面中一些口音選項來自目前 provider 契約；中文標籤只幫助理解，提交參數仍使用原有值。這裡不提供自定義聲音設計或聲音克隆流程，不能用一段聲音描述把這些功能視為已經接入。

雙人模式支持最多兩位說話人。為每位角色選擇聲音，把每句分別交給說話人一或二，然後按實際交流順序排列。讓提問推動解釋，讓回答包含細節，後續追問回應剛才的資訊。不要只是把一篇文章機械地一人一句拆開；那樣角色之間沒有真實的交流理由。下面的例子使用短問題和具體回答，可以替換為採訪、課程或節目片段。

所有輪次的文字合計計入單次 5,000 字元限制。返回結果是一個合併的 WAV 音訊，不是兩條獨立聲軌。錄音中應當檢查輪次過渡、角色區分和名字讀法；如果要把多個片段拼接成更長節目，還需要在編輯器中檢查相鄰片段的表現。這裡不會自動研究主題、編寫完整節目、添加音樂或發佈播客，把這些後期步驟與語音生成分別安排。

把第一次試聽當作檢查稿件和聲音的機會。先聽是否容易理解，再聽語氣和節奏。記錄模型、聲音和指令，保留滿意的錄音；下一次使用同一段文字，只調整明確需要改的部分。如果你換了模型，先確認估算再提交；模型切換不會修改已經完成的音訊，重復生成也不是對原錄音的免費編輯。

Flash 和 Flash-Lite 使用同一套工作台控件，但積分費率不同。可以先在已有模型下改清楚句子，再用相同設定比較另一種模型。一次短稿的結果只說明那段文字和那組參數的表現，不代表全部語言、聲音或長篇錄音。沒有固定關鍵詞密度、聲音指令長度或標籤數量能保證更好的結果。最終選擇應當由你完整聽過的音訊和實際用途決定。