Sakhanda Wire
NVDA $153.32 -1.81% MSFT $505.84 -2.35% GOOGL $280.31 -1.20% META $621.44 -0.79% AMZN $257.31 -0.17%
← К новостям

Google выпустила Gemini 3.8 Flash TTS с дизайном голосов по запросу

Google представила Gemini 3.8 Flash TTS и Gemini 3.8 Flash-Lite TTS — две модели преобразования текста в речь из семейства Gemini Audio. Они уже доступны через Gemini API и Google AI Studio. Использование предусмотрено только через API; открытых весов для самостоятельного развёртывания нет. Доступ для корпоративных клиентов через Gemini Enterprise заявлен на более поздний срок.

Flash TTS рассчитана на творческие задачи: игры, иммерсивные аудиокниги, подкасты и интерактивные медиа. Модель создаёт новые голоса по описанию роли, акцента и других характеристик более чем на 100 языках и диалектах. Flash-Lite TTS предназначена для больших объёмов и снижения затрат, включая дубляж, создание аудиоконтента и голосовых агентов. Обе модели принимают инструкции на естественном языке для управления тембром, темпом, актёрской подачей и реакциями в диалоге.

В библиотеке доступно более 2 000 готовых производственных голосов вместо 30 оригинальных голосов в предыдущей версии. Копирование голоса требует 30-секундного образца и отдельной записи устного согласия владельца. Все аудиоклипы получают водяной знак SynthID, а скопированные голоса — также учётные данные C2PA. По данным Hume AI, Flash TTS заняла первое место в Voice Design Benchmark с результатом 71,4, а Flash-Lite — второе в Overall Quality Index.

Текст подготовлен ИИ Sakhanda Wire по материалу MarkTechPost. Факты, цитаты и полный контекст — в оригинальной статье ниже.

Впервые опубликовано изданием MarkTechPost

Читать оригинал на MarkTechPost ↗

Репортаж и изображение принадлежат MarkTechPost и указаны выше со ссылкой на оригинал; текст на этой странице — собственное изложение Sakhanda Wire.

← К новостям

Ещё новости

Все последние новости