Sakhanda Wire
NVDA $154.00 -1.37% MSFT $506.28 -2.26% GOOGL $280.87 -1.00% META $620.34 -0.97% AMZN $256.88 -0.34%
← До новин

Google представила моделі синтезу мовлення Gemini 3.8 Flash

Google представила Gemini 3.8 Flash TTS і Gemini 3.8 Flash-Lite TTS, назвавши їх своїми найвиразнішими моделями генерації аудіо. Вони призначені для створення власних голосів, постановки діалогів і багатомовних аудіосценаріїв у Google AI Studio, Gemini API, Gemini Notebook та Google Vids. Згодом моделі мають з’явитися через Gemini Enterprise.

Flash TTS орієнтована на розроблення оригінальних голосів персонажів і керування виконанням кожної репліки. Користувач може задавати акторські вказівки, темп, зміни діалекту та розмовні реакції. Flash-Lite TTS створена для масштабних і економних завдань, зокрема дубляжу, виробництва аудіоконтенту та голосових агентів. За даними Google, Flash TTS підтримує створення голосів більш ніж 100 мовами й діалектами, а бібліотека містить понад 2 000 готових голосів.

Обидві моделі генерують довгі записи та сцени з двома співрозмовниками, додаючи, наприклад, сміх або зітхання. Для копіювання голосу потрібні 30-секундний зразок і перевірка згоди власника. Кожен створений аудіофрагмент отримує водяний знак SynthID. Google повідомляє, що Flash TTS посіла перше місце у Voice Design Benchmark компанії Hume AI з результатом 71,4, а Flash-Lite — друге в Overall Quality Index. Розгортання розпочалося через Gemini API та Google AI Studio.

Текст підготовлено ШІ Sakhanda Wire за матеріалом DeepMind. Факти, цитати та повний контекст — в оригінальній статті нижче.

Вперше опубліковано виданням DeepMind

Читати оригінал на DeepMind ↗

Репортаж і зображення належать DeepMind і зазначені вище з посиланням на оригінал; текст на цій сторінці — власний виклад Sakhanda Wire.

← До новин

Ще новини

Усі останні новини