谷歌这两天发了 Gemini 3.8 的语音合成模型,中文圈的转述很兴奋:「终于等到了」,能定制声音、能逐句导演语气、一百多种语言,拿来做有声书和播客「应该会很屌」。
我手上正好有一千七百多首唐诗宋词要配朗读,就拿真家伙试了一下。
先说好的部分:它确实好。同一首《静夜思》,跟我现在用的朗读放在一起听,差距一耳朵就能听出来。提示词我只写了一句「平静、缓慢、有古诗韵味」,它就真的慢下来,在「疑是地上霜」后面停了一口气。便宜的 Flash-Lite 版,七秒多生成二十秒的音频。
然后我去测免费额度,想看它每天能读多少首。
答案是十首。
每个模型每天十次,每分钟还只给三次。跑到第八首的时候先撞上每分钟的墙,改成慢慢跑,第十首之后撞上了每天的墙。照这个速度,一千七百首要读半年。
所以免费档是什么?是超市门口那把试吃的勺子。它让你尝到味道,不是让你拿它吃饱。转述里那句「在 Gemini Notebook 里就可以用」也是这个意思,那是谷歌自家产品里的体验,不是给你搬货的通道。
真正该看的是价签。官方价格页写得很清楚:Flash-Lite 每十秒音频 0.0015 美元,好一点的 Flash 是 0.00225 美元。我把那一千七百五十五首诗按实测语速折算,总共大约二十三个小时的音频,全部读完,便宜的版本十三美元左右,好的版本十九美元左右。
一顿饭钱,读完一部唐诗宋词选。
但价签下面还有一行小字,比价格本身更重要:以上是到 2026 年 12 月 31 日为止的价格,明年 1 月 1 日起,全部翻一倍。
这才是这次发布真正的时钟。免费额度不会让你铺开,促销价会;而促销价有截止日。
还有一笔账,很多人会算反。语音这种东西,同一首诗今天读和明天读是一样的,生成一次存下来,以后谁点开都是播放文件,不再花一分钱。把它当成「每次有人点就现场生成」的服务,钱是跟着流量涨的;当成「一次性做一套录音」,钱是一锤子的。十九美元对应的是后一种。
至于推文里最吸睛的那条,三十秒样本克隆你的声音,官方是这么宣传的,我没测,也暂时不打算测。那意味着把一个人的声音交给别人的服务器,这件事的账,不是用美元算的。