जेमीनी 3.8 टेक्स्ट-टू-स्पीच हैलो कहता है
deepmind ·
गूगल डीपमाइंड ने जेमिनी फैमिली में एक्सप्रेशनल ऑडियो जनरेशन में महत्वपूर्ण प्रगति का संकेत देते हुए जेमिनी 3.8 फ्लैश TTS और जेमिनी 3.8 फ्लैश-लाइट TTS पेश किए हैं। ये मॉडल उपयोगकर्ताओं को 100 से अधिक भाषाओं में साधारण प्राकृतिक भाषा के निर्देशों के माध्यम से शून्य से कस्टम चरित्र आवाज़ें बनाने या मौजूदा आवाज़ों की नकल करने की सुविधा प्रदान करते हैं। फ्लैश संस्करण गहन रचनात्मक दिशा-निर्देशन के लिए डिज़ाइन किया गया है, जो लय, भावना और हंसी या आह जैसे यथार्थवादी संवादात्मक ध्वनियों पर सूक्ष्म नियंत्रण की अनुमति देता है। वहीं, फ्लैश-लाइट वेरिएंट डबिंग और वॉइस एजेंट्स जैसे कार्यों के लिए उच्च-आयतन और लागत-प्रभावी स्केलिंग पर केंद्रित है। दोनों मॉडल अब गूगल AI स्टूडियो और जेमिनी API पर उपलब्ध हैं, जबकि जेमिनी एंटरप्राइज़ के माध्यम से शीघ्र ही एंटरप्राइज़ एक्सेस उपलब्ध होगा। उत्तरदायी उपयोग सुनिश्चित करने के लिए, सिस्टम में आवाज़ पुनरुत्पादन के लिए सहमति सत्यापन और सभी उत्पन्न ऑडियो के लिए SynthID वाटरमार्किंग जैसे इनबिल्ट सुरक्षा विशेषताएं शामिल हैं। प्रारंभिक बेंचमार्क संकेत देते हैं कि पिछली पीढ़ियों की तुलना में ये मॉडल समग्र गुणवत्ता और अटसेंट मॉडलिंग में शीर्ष स्थान पर हैं।
deepmind