Google lance les modèles vocaux TTS Gemini 3.8 Flash
ainews ·
Google a présenté deux nouveaux modèles de synthèse vocale text-to-speech, Gemini 3.8 Flash TTS et Gemini 3.8 Flash-Lite TTS, conçus pour la production audio à grande échelle et les scripts interactifs. Le modèle standard Flash s'adresse aux industries créatives telles que le développement de jeux vidéo et la narration longue durée, tandis que la version Lite se concentre sur le doublage automatisé et les agents de service client. Ces systèmes remplacent les catalogues vocaux hérités par un accès à plus de 2 000 profils vocaux dans plus de 100 langues, y compris des dialectes régionaux spécifiques. Des benchmarks indépendants réalisés par Hume AI classent le modèle principal comme le meilleur performer en termes de qualité globale et de modélisation des accents. Parmi les fonctionnalités clés figurent une qualité audio stable sur de longues durées et la capacité d'insérer directement dans les scripts des indices non verbaux tels que le rire ou les soupirs. Pour garantir la sécurité, Google exige une vérification d'identité et un consentement explicite pour toute activité de clonage vocal personnalisé. Tous les audio générés incluent des filigranes SynthID imperceptibles et des métadonnées C2PA afin de vérifier leur provenance. Des intégrations commerciales précoces sont déjà visibles sur des plateformes telles que Figma, HeyGen et Linguana.
ainews