Google представила Gemini 3.8 Flash TTS і Gemini 3.8 Flash-Lite TTS — нові моделі для генерації мовлення. Вони дозволяють створювати голоси та керувати їхнім звучанням за допомогою текстових команд.
Нові голоси
Gemini 3.8 Flash TTS дозволяє створити голос із нуля, описавши його природною мовою. Користувач може визначити роль персонажа, акцент та особливості звучання.
Модель підтримує понад 100 мов і діалектів. Google також пропонує бібліотеку з понад 2 000 готових голосів із різними регіональними варіантами мов.
Окремо Gemini 3.8 Flash TTS може відтворити голос за 30-секундним аудіозаписом. Для цього користувач повинен мати право використовувати відповідний голос. Перед створенням його копії система вимагає голосове підтвердження згоди власника. Воно має відповідати людині на наданому зразку.
Створені голоси можна зберігати для подальшого використання. Google також готує функцію, яка дозволить змінювати тембр, висоту, темп та акцент готових голосів.
Інтонація та діалоги
Gemini 3.8 Flash TTS і Flash-Lite TTS дозволяють окремо визначати, як має звучати кожна репліка. Через текстові вказівки можна змінювати темп, емоції та манеру мовлення. Моделі також можуть додавати до мовлення сміх, зітхання та інші природні звуки. Підтримуються короткі реакції співрозмовника під час діалогу.
Система може створювати тривалі аудіозаписи зі стабільним голосом і темпом, зокрема для подкастів та аудіокниг.
Моделі також підтримують діалоги між двома голосами в межах одного сценарію. Вони автоматично розділяють співрозмовників і відтворюють черговість реплік.
Gemini 3.8 Flash-Lite TTS орієнтована на масову генерацію аудіо з нижчими витратами. Серед її сценаріїв Google називає дубляж, створення аудіоконтенту та голосових ШІ-агентів.
Цифрове маркування
Google додала до нових моделей механізми для позначення ШІ-контенту. Кожен аудіозапис, створений моделями Gemini Audio, отримує непомітне цифрове маркування SynthID.
Для копіювання голосів також використовуються підтвердження згоди та цифрові облікові дані C2PA.
Gemini 3.8 Flash TTS і Flash-Lite TTS уже почали з'являтися в Gemini API та Google AI Studio.
Flash TTS також доступна в Gemini Notebook, а Flash-Lite TTS — у Google Vids. Для корпоративних користувачів обидві моделі мають з'явитися через API в Gemini Enterprise.
