Generate Speech 是 Google AI Studio 裡的文字轉語音（TTS）功能，登入 Google 帳號就能免費試用，輸入文字、選好聲音，就能生成自然的語音，也可以做兩個人對話的 Podcast 內容。2026 年 9 月 22 日 Google 推出正式版的 Gemini 3.8 Flash TTS 和 3.8 Flash-Lite TTS，模型不再是預覽版，支援的語言也拉高到 100 種以上，包含繁體中文和粵語。
這次更新還多了自訂聲音：可以用文字描述設計新聲音，也能在本人同意下複製聲音，所以舊文常寫的「不能自訂或複製聲音」已經不是事實了。想免費做旁白、語音教材，或開發者想先試聲音再接 API，都很適合；只是介面以英文為主，功能也偏開發者工具，第一次用要花點時間熟悉。
Google AI Studio Generate Speech 主要功能
- 單人與雙人語音：可以生成一個人的旁白，也可以讓兩位講者對話。一次請求最多 2 位講者，每一段各自指定聲音。
- 語氣控制（Style）：每一段話都能用文字描述語氣，例如「低聲急促」「溫暖熱情」「講得慢一點」，音高、語速和情緒都能這樣調整。
- 表情標籤（Expression）：在句子中間插入笑聲、嘆氣、咳嗽或停頓，格式是
<laugh>、<sigh>、<short pause>，不會被念出來。 - 大量現成聲音：有 30 個精選的預設聲音，另外還有聲音庫，可以依語言、口音和角色類型篩選，介面上寫的是「數千種」，官方文件則寫數百種。
- 聲音設計（Voice design）：用一段文字描述想要的聲音，生成一個專屬聲音，之後可以重複使用。
- 聲音複製（Voice replication）：上傳 10〜30 秒的乾淨語音，加上同一位成年人朗讀的同意聲明，就能複製這個聲音。沒有本人同意的錄音做不了。
- 情境範本：首頁有助理、Podcast 主持人、說書人、廣告旁白、語言老師等範本，直接打開改內容就能用。
- 取得程式碼（Get code）：調好聲音後，可以直接拿到對應的 API 程式碼，方便開發者接進自己的服務。
Gemini TTS 有哪些模型？怎麼選
在右側 Run settings 可以切換模型，預設是 Gemini 3.8 Flash TTS。兩款 3.8 模型的用法完全相同，差在品質和價格，要做成品就選 Flash，要大量生成或即時語音就選 Flash-Lite。
下表的付費價格只有用 API 才會碰到，音訊輸出是以每百萬個音訊 token 計算（每秒音訊約 25 個 token）：
| 模型 | 狀態 | 支援語言 | 適合用途 | 音訊輸出價格 |
|---|---|---|---|---|
| Gemini 3.8 Flash TTS | 正式版 | 130 種以上 | 旁白、有聲書、方言、長篇對話 | 9 美元，2027 年起 18 美元 |
| Gemini 3.8 Flash-Lite TTS | 正式版 | 100 種以上 | 大量生成、語音客服、朗讀功能 | 6 美元，2027 年起 12 美元 |
| Gemini 3.1 Flash TTS | 預覽版 | 70 種以上 | 2026 年 4 月的版本，已由 Flash-Lite 接替 | 20 美元 |
| Gemini 2.5 Flash TTS | 預覽版 | 未另外標示 | 2025 年的舊模型 | 10 美元 |
換算下來，3.8 Flash TTS 每 10 秒語音約 0.00225 美元，2027 年 1 月 1 日起變成 0.0045 美元，文字輸入另外計費。已經在用舊模型的開發者要留意，3.8 的語氣描述要放在 speech_metadata 欄位，標籤也從方括號改成尖括號，直接換模型名稱不一定能照舊使用。
Generate Speech 免費嗎
在 Google AI Studio 裡試用是免費的，只要有 Google 帳號就好；Gemini API 的免費層也包含 3.8 Flash TTS、3.8 Flash-Lite TTS、3.1 Flash TTS 和 2.5 Flash TTS，文字輸入和音訊輸出都不收費，2.5 Pro TTS 則沒有免費額度。
但免費有兩個條件：第一是有用量限制，定價頁沒有列出可以生成多少秒；第二是免費層送出的內容可能會拿去改善 Google 的產品，機密內容不要貼上去，不想被使用就要升級付費層。正式上線的服務也建議走付費 API。
Google AI Studio Generate Speech 使用教學
Generate Speech 的介面在 2026 年改過，網路上提到「Raw structure」的舊教學已經對不上了。現在的流程如下：
- 打開 aistudio.google.com/generate-speech，登入 Google 帳號，會看到「Turn text into natural-sounding speech」的首頁。
- 選「Create new dialog」建立新對話，或直接點一個範本；想做專屬聲音就選「Create new voice」。
- 在語音區塊輸入要念的文字，用上方的 Speaker 下拉選單選聲音，Style 下拉選單設定語氣。
- 需要笑聲、嘆氣或停頓時，按「+ Expression」插入標籤。
- 按「Add speech block」新增下一段，要做雙人對話就把這段換成另一位講者。
- 右側 Run settings 確認模型，Speaker settings 可以調整講者設定，都好了就按 Run 生成，再試聽、下載。
多人對話的腳本可以先請 ChatGPT、Gemini 這類 AI 寫好，再分段貼進來，可以節省很多時間。
Google AI Studio Generate Speech 支援哪些平台
只有網頁版，要用瀏覽器打開 Google AI Studio。開發者可以用 Gemini API，企業則可以用 Google Cloud 的 Vertex AI，而 Gemini 3.1 Flash TTS 也放進了 Google Vids。如果只是想把文件變成 Podcast，不想自己寫腳本，可以閱讀 Gemini Notebook（原 NotebookLM）介紹，它的語音摘要是自動生成的。
Google AI Studio Generate Speech 支援中文嗎
模型支援，官方語言表有簡體中文、繁體中文和粵語，文字貼上去會自動偵測語言。操作介面以英文為主，部分說明文件才有中文，不習慣的話可以用瀏覽器翻譯。
官方建議就算內容是中文，表情標籤也用英文寫，例如 <laugh>，效果會比較好。想要特定口音，可以在 Style 裡直接描述，例如「台灣腔、語氣親切」，建議先試聽一小段再生成全文。
Google AI Studio Generate Speech 缺點
- 介面偏開發者：功能名稱和設定都是英文，對只想轉一段語音的人來說，步驟比一般 TTS 網站多。
- 一次最多 2 位講者：超過 2 人的對話要分開生成再自己剪接，而且用預設聲音才能在同一次請求裡做雙人對話；自訂聲音要一段一段生成。
- 免費內容可能被用來改善產品：免費層送出的文字和音訊可能用於改善 Google 的服務，機密內容不適合。
- 免費額度不透明：定價頁沒有列出可以生成多少秒，只能實際用到才知道。
- API 價格 2027 年翻倍：3.8 模型的促銷價到 2026 年底，之後音訊輸出價格會變成兩倍。
- 聲音複製有門檻：要有本人朗讀同意聲明的錄音，不能只上傳一段別人的聲音。
常見問題
Generate Speech 可以複製別人的聲音嗎？
要有本人同意才行。聲音複製需要兩段同一位成年人的錄音：一段 10〜30 秒的語音，再加上一段朗讀官方同意聲明的錄音，系統會比對是不是同一個人。
自訂聲音可以保存多久？
設計或複製的聲音每個專案最多存 200 個，最後一次使用後保留 1 年，只要持續使用就會一直延長。
Google AI Studio 和 ElevenLabs、MiniMax Audio 哪個好？
只想免費生成、或要接 Google 的 API，AI Studio 很划算。想要操作簡單、現成語音工具齊全，可以閱讀 ElevenLabs 介紹；想用情緒和語氣聲標籤，或同時做音樂，可以參考另一篇 MiniMax Audio 介紹。
舊的 Gemini 2.5 TTS 模型還能用嗎？
2.5 Flash 和 2.5 Pro TTS 都還在定價表上，但仍是預覽版，新專案建議直接用 3.8 系列。
