Sakhanda Wire
NVDA $154.51 -1.04% MSFT $506.49 -2.22% GOOGL $281.27 -0.86% META $621.51 -0.78% AMZN $256.90 -0.33%
← Към новините

Google представи два TTS модела Gemini 3.8 Flash

Google представи Gemini 3.8 Flash TTS и Gemini 3.8 Flash-Lite TTS — два модела за генериране на реч, предназначени за различни производствени задачи. Flash TTS е насочен към интерактивни развлечения, разработка на игри и дълги разкази, докато Flash-Lite TTS е предназначен за автоматизиран дублаж, разговорни агенти и мащабни преводачески процеси.

Моделите заменят фиксиран набор от 30 по-стари гласа с над 2 000 готови гласови профила на повече от 100 езика, включително регионални разновидности. Google планира и функция за промяна на гласа чрез текстови команди, която ще позволява настройване на тембър, височина, темпо и акцент. Системите поддържат диалози с двама говорители, продължително генериране и маркери като <laughs>, <sigh> и <gasp>.

В тестовете на Hume AI Gemini 3.8 Flash TTS получи общ резултат 71.4 и 60.8 за моделиране на акценти, а зае първо място в Overall Quality Index. Flash-Lite TTS беше втори. Клонирането на глас изисква проверка на самоличността, 30-секунден запис и изрично съгласие. Файловете съдържат SynthID водни знаци и C2PA метаданни. Достъпът е през Google AI Studio и Gemini API.

Текстът е изготвен от ИИ на Sakhanda Wire по материал на AI News. Фактите, цитатите и пълният контекст са в оригиналната статия по-долу.

Първоначално публикувано от AI News на

Прочетете оригинала в AI News ↗

Репортажът и изображението принадлежат на AI News и са посочени по-горе с връзка към оригинала; текстът на тази страница е собствено изложение на Sakhanda Wire.

← Към новините

Още новини

Всички последни новини