Googles neue Flash-TTS-Modelle ermöglichen das Design von KI-Stimmen ab null mittels Textbeschreibungen
decoder ·
Google hat zwei neue Text-zu-Sprache-Modelle, Gemini 3.8 Flash TTS und Flash-Lite TTS, veröffentlicht, die über 100 Sprachen unterstützen. Das Standard-Flash-TTS ermöglicht es Nutzern, einzigartige Stimmen von Grund auf neu mittels Textbeschreibungen zu entwerfen oder Stimmen aus 30-Sekunden-Aufnahmen mit Einwilligung zu klonen. Es richtet sich an kreative Anwendungen wie Podcasts und Spiele und bietet Funktionen wie Regieanweisungen sowie die Fähigkeit, Dialoge mit zwei unterschiedlichen Stimmen darzustellen. Im Gegensatz dazu konzentriert sich das Flash-Lite-TTS-Modell auf kostengünstige, großflächige Spracherzeugung für Synchronisation und Sprachagenten. Beide Modelle enthalten SynthID-Wasserzeichen zur Erkennung und unterstützen nichtverbale Geräusche wie Lachen und Seufzen. Google stellt diese Tools über die Gemini API und Google AI Studio bereit, wobei der Unternehmenszugang bald folgen wird. Die Preisstrukturen variieren je nach Modell und Zeitraum, wobei die Kosten im Jahr 2027 steigen werden.
decoder