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
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 Clip | AI 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
- 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
- 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
- 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
- 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。
相关阅读
- Exa 推出 Monitor API,支持定时监控网页变化并通过 webhook 推送通知
- OpenAI 升级 ChatGPT for Healthcare,新增医疗插件、强化临床问答能力
- LangChain11 月 20 日线上研讨会,Harrison Chase 分享 AI Agent 未来方向
- Perplexity 推出 Frontier Research 项目,目标打造自主闭环 AI 研究系统
- ElevenLabs 官宣收购日本语音 AI 实验室 Kotoba,强化东亚语种实时语音能力
- Central Blue 推出太空电网方案,卫星在轨采集阳光靠激光传输能量
- o11 在 Wallet 上线视频功能,输入提示词就可以直接往画面里添加人物
- RightNow 上线自研极速推理引擎配套推理 API,兼容主流开源大模型
- Perplexity 推出 Monitor API,支持 Webhook 推送更新
- IDC 调研 Agentic AI 落地现状,80% 组织已经启动部署,仅 17% 完成全企业规模化应用
- 图像与视频 AI 基准测试活动落地旧金山,多家机构现场分享评测经验
- Y Combinator 转发 David Gu 推出 Recall.ai 会议智能体 API,可接入主流视频会议
- OneTriangle 推出跨模型 KV 缓存传输功能,实现小模型预填充、大模型解码降本提速
- NVIDIA 运营执行副总裁 Debora Shoquist 斩获 GSA Lisa Su 女性创新奖
- LangChain 把 Agent 定为 LangSmith 核心对象并推出 Agent Platform
- 微软提醒 MS Ignite 主题演讲 11 月 17 日太平洋时间上午 10 点开讲
-
凤凰古城本身古城景区范围内是没有火车站的,大家常说的凤凰古城火车站,主要就是凤凰古城站,它是张吉怀高铁...浏览全文>>
-
安分守己是常用汉语成语,意思是安于自己本分,守住自身应当遵守的规矩,不做出格的事情,不主动招惹是非,不...浏览全文>>
-
Exa 正式上线 Monitor API,这是一款面向开发者的网页监控接口,能够按设定周期自动执行网页检索、抓取页面...浏览全文>>
-
OpenAI 这次对面向医疗机构的 ChatGPT for Healthcare 做了重要升级,上线了 Healthcare Public Data 医疗公共数据插件,同时增强 浏览全文>>
-
LangChain 官宣将在 11 月 20 日举办线上研讨会,由 LangChain 联合创始人兼 CEO Harrison Chase 主讲,主题围绕 AI Agent 浏览全文>>
-
Perplexity 正式启动 Frontier Research 前沿研究项目,核心目标是搭建一套完整的自主研究系统,它不只是...浏览全文>>
-
ElevenLabs 在 11 月 16 日正式对外宣布,将收购日本头部语音 AI 实验室 Kotoba,整个 Kotoba 团队会并入 ElevenLabs,这套自研 浏览全文>>
-
初创公司 Central Blue 正式对外发布太空电网方案,这套方案的核心思路是在轨部署专用卫星,在太空无遮挡环...浏览全文>>
-
o11 Wallet 这次新增的视频编辑能力,是内置在 Wallet 生态里的 AI 视频功能,不用跳转到外部剪辑工具,...浏览全文>>
-
RightNow 推出了搭载自家自研极速推理引擎的推理 API,这套引擎从底层 GPU CUDA、Triton 内核开始做全链...浏览全文>>
- LangChain11 月 20 日线上研讨会,Harrison Chase 分享 AI Agent 未来方向
- RightNow 上线自研极速推理引擎配套推理 API,兼容主流开源大模型
- 微软 TokenEconomizer 面向编程智能体,依靠复用会话经验降低 Token 开销
- 战神原版希腊三部曲登陆安卓,手机可玩奎爷经典作品
- 乘坐高铁对行李的要求 高铁携带行李规范详解
- 折纸回旋飞机怎么折 手工制作教程
- 华为 WATCH Air 首曝机身比苹果 Watch 更薄,外观颜值亮眼
- 捷途环游者 EV 纯电方盒子预售 9.99 万,四驱版本 5 秒破百
- Synthesia 推出 AI 视频工具 Syren一条提示词即可生成品牌视频,支持文档素材导入与聊天式精修
- UNESCO 报告AI 气候问答准确率约 90%,遭用户质疑时会放弃科学事实
- 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
- 微软提醒 MSIgnite 主题演讲 11 月 17 日上午 10 点开启直播
- 马斯克会不会出售产线?美国改装商自费提议接盘特斯拉 Cybertruck 产线
- 007 新一任邦德官宣,罗伯特・帕丁森接棒丹尼尔・克雷格
- 爷青回腾讯 QQ 经典牧场回归,同步上线巨大变异等新玩法
- 黄仁勋卸任英伟达 CEO 后,美国加码对华 AI 限制,内存闪存供应链迎来大洗牌
- 微软早前补丁埋下隐患,74 个国家地区微软 365 服务大规模宕机
- 奔驰宝马召回一万多台车,隐患偏温和、属于常规小缺陷召回
- Khosla Ventures 持续加注 CormaAI,助力防御性网络安全基础模型研发
- LearnOpenCV 分享货架检测案例多出的边界框暴露计数问题
- Perplexity 推出 Frontier Research 项目,目标打造自主闭环 AI 研究系统
- ElevenLabs 官宣收购日本语音 AI 实验室 Kotoba,强化东亚语种实时语音能力
- Perplexity 推出 Monitor API,支持 Webhook 推送更新
- IDC 调研 Agentic AI 落地现状,80% 组织已经启动部署,仅 17% 完成全企业规模化应用
- 图像与视频 AI 基准测试活动落地旧金山,多家机构现场分享评测经验
- LangChain 把 Agent 定为 LangSmith 核心对象并推出 Agent Platform
- 微软提醒 MS Ignite 主题演讲 11 月 17 日太平洋时间上午 10 点开讲
- PyTorch 第四届贡献者奖正式公布,一共 15 位获奖者、11 位提名者上榜
- 女子 2209 元购入苹果手表,官方维修费 2309 元,消协直指售后政策太霸道
- 乐道 L90 支付宝订阅用车上线,芝麻分 650 + 月付 2999 元起
- 企业厕所私装信号屏蔽器防员工刷手机被罚 9000 元
- 车牌螺丝安装 规范操作详解
- 一小时 10 元,工人采集第一视角数据训练机器人
- Perplexity 队友基于 Fable 5.2 打造浏览器开放世界驾驶游戏 VICE'86
- 美国 NHTSA 调查超百万本田汽车自动启停故障事件
- 球形摄像头拍违章吗 抓拍功能详解
- 一文读懂 Personal Agent(个人智能体),主动帮用户代办事务的 AI 数字分身
- 驾驶证扣分怎么处理 违章记分办理指南
- 爱奇艺会员怎么共享 星钻家庭组共享操作说明
- OPPO Reno17 全球首发 6 秒超清实况,主打年轻人社交分享
