服务对象与地域限制
PuppyIP 仅面向海外合规企业及其授权人员提供服务，不面向中国大陆地区开放或提供代理服务。本服务仅限用于中国大陆境外的合法业务活动，严禁在中国大陆境内使用本服务。
代理 IP 或服务器位于境外，不改变上述限制。不得通过中转、转接、共享或转售向中国大陆境内的最终使用者提供本服务。使用前请阅读用户服务协议。
本文要点
- 语音混音会新建 voice_... 资源，不会覆盖原始声音；删除基础声音也不会删除由它派生的声音。
- 使用 POST /v1beta/voices 或 client.voices.create，设置 store=true、type=prompted、prompted.base_voice 和相对描述的 prompted.input。
- 新 ID 可用于 gemini-3.8-flash-tts 或 gemini-3.8-flash-lite-tts 的单人语音合成；先试听 24kHz WAV 预览，每轮只调整一到两个特征。
- 混音要求 Gemini API 付费 Tier 1 或更高项目；每个项目最多 200 个共享状态声音，未使用满一年会到期。
- TTS 模型的标准输入与音频输出价格不等于已确认的混音创建或存储费用；地区资格、年龄、专业用途和数据条款也要分别核对。
语音混音会创建新声音，而不是改写基础声音
Gemini API 在 2026 年 11 月 4 日发布 Gemini 3.8 TTS 语音混音。你可以选一个已有音色，再用自然语言描述相对变化，例如音高、年龄感、音色、能量或口音；系统会生成并存储一个新的 voice_... 资源。
新声音与基础声音相互独立：原始资源不会被覆盖或修改，之后删除基础声音也不会连带删除它派生出的声音。这个流程是对受支持的合成音色做设计，不等同于复制某位真实人物的声音。
先创建并试听新的 voice ID
可通过 POST /v1beta/voices 或客户端的 client.voices.create 创建。请求把 store 设为 true、voice.type 设为 prompted，并在 voice.prompted 中提供 base_voice 与 input；voice.model 可明确设为 gemini-3.8-flash-tts，省略时也默认使用它。base_voice 指定现有音色名称或 ID，input 描述相对改动。
响应会给出已存储的新 voice_... ID 和 sample_audio 预览，格式为 24kHz WAV。先播放预览并确认听感，再把这个 ID 纳入后续流程；提示词文本不能代替实际试听。
选可用基础音色，小步调整
基础音色可以是 30 个预置音色中的任意一个，例如 Puck，也可以是 Extended Voice Library 返回的目录音色 ID，或当前项目拥有的 Voice Design 和先前混音生成的 prompted voice_... ID。后两类可以继续作为新的基础声音，逐步细调。
每轮建议只改一到两个特征，并试听预览后再决定是否继续。例如在纯合成的示例里，从预置音色 Puck 出发，要求声音更沉稳、音高稍低；这是对预置合成音色的假设性调整，不是克隆真实人物。持久改变基础音高或口音用语音混音；单次朗读的临时表演指令则放在 speech_metadata.style。
复用、追踪并清理存储声音
在单人语音合成请求中，把 voice_... ID 放进 speech_config，即可与 gemini-3.8-flash-tts 或 gemini-3.8-flash-lite-tts 搭配使用。列表和读取操作可检查混音声音的基础来源与提示词；读取单个声音还会返回 WAV 预览，便于复听。
每个项目最多保存 200 个状态声音，Voice Design、混音和存储的复制声音共用此额度。有效期为最后一次使用后一年：用于语音合成，或作为新混音的 base_voice，都会重新开始这一年期限；检查 expire_time 以安排整理。清理时先核对完整 voice ID 和依赖，再只删除确认不需要的那一个资源。
先核对项目与地区资格
语音混音要求 Gemini API 付费 Tier 1 或更高项目，消费者订阅不等同于这个 API 项目条件。服务面向年满 18 岁、用于专业或商业目的的开发者；由 API 提供给用户的网站、应用或其他客户端不得面向或可能被未满 18 岁的人使用。 这是开发者专业或商业用途入口，不面向消费者用途。
Gemini API 与 Google AI Studio 只在官方列出的可用国家和地区提供。面向欧洲经济区、瑞士或英国用户提供 API 客户端时，只能使用付费服务。地区清单本身不是所有账号或项目均已开通混音的承诺；逐项确认项目资格和实际可用性，不要把更换网络出口当成项目资格证明。
区分 TTS 合成单价与混音费用
官方定价表列出的是 TTS 模型 Standard 档按每百万 Token 计价的输入和音频输出：到 2026 年 12 月 31 日，gemini-3.8-flash-tts 的文本输入为 USD 0.50、音频输出为 USD 9；gemini-3.8-flash-lite-tts 的文本输入为 USD 0.50、音频输出为 USD 6。从 2027 年 1 月 1 日起，两款模型的输入均为 USD 1，Flash 音频输出为 USD 18，Flash-Lite 音频输出为 USD 12。
这些数字是语音合成模型的价格，不是混音一次性创建或存储费用的确认。所列资料没有说明另收或免收这类费用，因此该项目前应视为未知；不能用 TTS 免费档的价格行推断语音混音免费。实际账单还应以项目适用档位和最新定价为准。
使用前查看条款与数据处理方式
使用 Gemini API 时仍须遵守适用法律、Google APIs Terms 和 Gemini API Additional Terms，并符合 Prohibited Use Policy。付费服务不把提示词和响应用于改进产品，但条款仍允许为发现和阻止违规、维护服务安全以及履行法律或监管披露而在有限期间记录这些内容；数据也可能在 Google 或其代理运营设施所在国家短暂存储或缓存。付费不代表零保留。
正式接入前，按文本内容、声音用途和用户地区核对当前项目条件、定价与条款，再用自己的代表性材料评估结果。
资料来源
常见问题
基础声音的口音会自动改掉吗？
通常会保留基础声音的语言和地区口音；只有在 prompted.input 中明确提出新语言或口音时，才要求改变这些特征。
只读取声音信息或试听预览，也会延长有效期吗？
官方明确列出的续期条件是用该声音合成语音，或把它作为新混音的 base_voice。资料没有把单独读取元数据或播放预览列为续期条件；查看 expire_time，不要仅因打开过预览就假定有效期已延长。