Google startet Gemini 3.8 Flash TTS-Sprachmodelle
ainews ·
Google hat zwei neue Text-zu-Sprache-Modelle, Gemini 3.8 Flash TTS und Gemini 3.8 Flash-Lite TTS, eingeführt, die für die Audioproduktion in großem Maßstab und interaktives Skripting entwickelt wurden. Das Standard-Flash-Modell richtet sich an kreative Branchen wie die Spieleentwicklung und das Erzählen langer Texte, während die Lite-Version auf automatisiertes Dubbing und Kundenservice-Agenten fokussiert ist. Diese Systeme ersetzen veraltete Sprachkataloge durch den Zugriff auf mehr als 2.000 Stimmprofile in über 100 Sprachen, einschließlich spezifischer regionaler Dialekte. Unabhängige Benchmarks von Hume AI stufen das Hauptmodell als den besten Anbieter in Bezug auf Gesamtqualität und Akzentmodellierung ein. Zu den wichtigsten Funktionen gehören eine stabile Audioqualität über längere Zeiträume hinweg und die Möglichkeit, nicht-sprachliche Hinweise wie Lachen oder Seufzen direkt in Skripte einzufügen. Um die Sicherheit zu gewährleisten, verlangt Google eine Identitätsüberprüfung und ausdrückliche Zustimmung für alle Aktivitäten zum Klonen benutzerdefinierter Stimmen. Alle generierten Audiodaten enthalten unsichtbare SynthID-Wasserzeichen und C2PA-Metadaten zur Überprüfung der Herkunft. Erste kommerzielle Integrationen sind bereits in Plattformen wie Figma, HeyGen und Linguana sichtbar.
ainews