首页 >> 综合 > 快讯 >

Google AI Studio 上线多款 Gemini 音频模型,覆盖转写、实时对话、语音合成与 AI 音乐

2026-11-17 06:15:30 来源:网易 编辑:东妍顺 

Google AI Studio 现在已经接入一整套 Gemini 音频模型家族,开发者不用自己搭建复杂环境,直接在平台的音频实验面板里测试、调试、导出接口,这些音频模型分成语音转写、实时语音对话、文字转语音、AI 音乐四大类,覆盖字幕生成、实时语音助手、配音、播客、短视频配乐等场景,模型之间可以互相搭配调用,同时平台自带语音设计工作台,支持自定义角色音色、双人对话剧本编排,对独立开发者、音频内容创作者非常友好。

一、Google AI Studio 内可直接使用的音频模型清单

模型名称类型核心用途关键参数
Gemini 3.5 Transcribe语音转文字录音、直播字幕、会议转写支持 85 + 语言,流式 WER4.0%,非流式 2.6%,支持多说话人区分、自动混语识别
Gemini 3.8 Live / 3.8 Live Extended Thinking实时语音对话低延迟语音 Agent、语音交互覆盖 97 + 语言,Extended Thinking 适合复杂推理任务,支持音视频多模态输入
Gemini 3.8 Flash TTS高质量文字转语音角色配音、影视剧对白精细化语气、语速、口音控制,支持自定义生成全新音色
Gemini 3.8 Flash-Lite TTS轻量化文字转语音批量短视频配音、播客、高并发调用性价比高,适合大批量内容生产
Lyria 3 Pro / Lyria 3 ClipAI 音乐生成原创歌曲、背景音乐Pro 最长 3 分钟完整曲目,Clip 快速生成 30 秒短音频片段,带 SynthID 水印

二、平台音频工作台特色功能

  1. 语音自定义创作:自然语言描述直接生成全新音色,也支持语音复刻,音色生成后会分配唯一 ID,可以跨会话复用
  2. 双人剧本编辑器:直接写对白,给两个角色分配不同声音,逐句调整情绪、停顿、口音,一键导出完整音频
  3. 流式调试预览:边改提示词边听效果,支持 WAV、PCM 等多种音频输出格式
  4. 一键生成 API 代码:调试满意后直接复制 Gemini API 调用代码,对接自己的程序、小程序、APP

三、使用限制和注意事项

  • 所有音频模型都带有 SynthID 水印,用于标记 AI 生成音频,方便溯源
  • 语音复刻功能有合规限制,不能随意复刻他人声音,需要权限与授权
  • 不同模型免费额度不同,超出额度后按 Gemini API 计费标准扣费
  • 部分高级模型目前处于预览版,能力、定价、接口格式后续还可能调整

【相关 FAQ】

问题 1:Google AI Studio 提供的多款音频模型都包含哪些类型?

回答 1:Google AI Studio 的多款音频模型包含语音转写模型、实时语音对话模型、文字转语音 TTS 模型、Lyria 3 AI 音乐生成模型四大类,可在平台音频面板直接体验。

问题 2:在 Google AI Studio 里使用音频模型,能不能自己创造专属音色?

回答 2:可以,Google AI Studio 音频工作台支持用文字描述生成专属音色,也支持语音复刻,搭配 3.8 Flash TTS 音频模型做角色配音。

问题 3:Google AI Studio 音频模型里 Gemini 3.5 Transcribe 的转写能力怎么样?

回答 3:Gemini 3.5 Transcribe 是 Google AI Studio 音频模型中的转写模型,支持 85 种以上语言,非流式文字转写字错率低至 2.6%,还能识别一句话内混合多种语言。

问题 4:Google AI Studio 的 Lyria 3 音频模型可以生成多长的音乐?

回答 4:Google AI Studio 里 Lyria 3 系列音频模型分两个版本,Lyria 3 Pro 最长生成约 3 分钟完整歌曲,Lyria 3 Clip 主打快速生成 30 秒短音乐片段。

【参考资料】

[2026-11-16](Google AI Studio 多款 Gemini 音频模型开放测试,一站式语音开发)InfoQ

[2026-09-23](Gemini 3.8 Flash TTS 与 Flash-Lite TTS 上线 Google AI Studio)Google 官方博客

[2026-09-15](Gemini 3.8 Live、3.5 Transcribe 音频模型登陆 Google AI Studio)Google 官方博客

[2026-03-25](Lyria3 音乐模型开放 Google AI Studio 预览)Google 官方博客

【免责声明】

本文仅整理 Google AI Studio 多款音频模型的公开资讯,模型能力、免费配额、接口规则、计费标准由 Google 官方随时调整;语音复刻、AI 配音、AI 音乐生成需要遵守当地法律法规与平台用户协议,AI 音频水印、版权、声音授权相关风险由使用者自行承担,本内容不构成开发落地建议。

 
最新文章
站长推荐