Les nouveaux modèles Flash TTS de Google permettent de concevoir des voix IA à partir de zéro grâce à des descriptions textuelles
decoder ·
Google a publié deux nouveaux modèles de synthèse vocale (text-to-speech), Gemini 3.8 Flash TTS et Flash-Lite TTS, qui prennent en charge plus de 100 langues. Le modèle standard Flash TTS permet aux utilisateurs de concevoir des voix uniques à partir de zéro à l'aide de descriptions textuelles ou de cloner des voix à partir d'échantillons de 30 secondes avec consentement. Il est destiné aux applications créatives telles que les podcasts et les jeux, et propose des indications scéniques ainsi que des capacités de dialogue distinctes pour deux voix. En revanche, le modèle Flash-Lite TTS se concentre sur la génération de parole à grande échelle et rentable, notamment pour le doublage et les agents vocaux. Les deux modèles intègrent des filigranes SynthID pour la détection et prennent en charge les sons non verbaux tels que le rire et les soupirs. Google déploie ces outils via l'API Gemini et Google AI Studio, avec un accès entreprise prévu prochainement. Les structures tarifaires varient selon le modèle et la période, avec une augmentation des coûts prévue en 2027.
decoder