Los nuevos modelos Flash TTS de Google permiten diseñar voces de IA desde cero usando descripciones de texto
decoder ·
Google ha lanzado dos nuevos modelos de texto a voz, Gemini 3.8 Flash TTS y Flash-Lite TTS, que admiten más de 100 idiomas. El modelo estándar Flash TTS permite a los usuarios diseñar voces únicas desde cero mediante descripciones de texto o clonar voces a partir de muestras de 30 segundos con consentimiento. Está dirigido a aplicaciones creativas como podcasts y videojuegos, e incluye direcciones escénicas y capacidades distintivas para diálogos entre dos voces. Por su parte, el modelo Flash-Lite TTS se centra en la generación de voz a gran escala de manera rentable, orientada al doblaje y a agentes de voz. Ambos modelos incluyen marcas de agua SynthID para su detección y admiten sonidos no verbales como risas y suspiros. Google está implementando estas herramientas a través de la API de Gemini y Google AI Studio, con acceso empresarial previsto próximamente. Las estructuras de precios varían según el modelo y el período, con un aumento de costos programado para 2027.
decoder