गूगल ने गेमिनी 3.8 फ्लैश टीटीएस वॉइस मॉडल्स लॉन्च किए
ainews ·
गूगल ने हाई-वॉल्यूम ऑडियो उत्पादन और इंटरैक्टिव स्क्रिप्टिंग के लिए डिज़ाइन किए गए दो नए टेक्स्ट-टू-स्पीच मॉडल, गेमिनी 3.8 फ्लैश TTS और गेमिनी 3.8 फ्लैश-लाइट TTS पेश किए हैं। स्टैंडर्ड फ्लैश मॉडल गेम डेवलपमेंट और लॉन्ग-फॉर्म नैरेशन जैसे क्रिएटिव उद्योगों को निशाना बनाता है, जबकि लाइट संस्करण स्वचालित डबिंग और कस्टमर सर्विस एजेंट्स पर ध्यान केंद्रित करता है। ये सिस्टम विरासत में मिली आवाज़ कैटलॉग की जगह लेते हैं और 100 से अधिक भाषाओं, जिसमें विशिष्ट क्षेत्रीय बोलियां भी शामिल हैं, में 2,000 से अधिक वोकल प्रोफाइल तक पहुंच प्रदान करते हैं। Hume AI द्वारा किए गए स्वतंत्र बेंचमार्क्स में प्राथमिक मॉडल को समग्र गुणवत्ता और एक्सेंट मॉडलिंग में शीर्ष प्रदर्शनकर्ता के रूप में रैंक किया गया है। मुख्य विशेषकों में दीर्घ अवधि के दौरान स्थिर ऑडियो गुणवत्ता और स्क्रिप्ट में सीधे हँसी या आह जैसी अवाचिक इशारों को शामिल करने की क्षमता शामिल है। सुरक्षा सुनिश्चित करने के लिए, गूगल किसी भी कस्टम वॉइस क्लोनिंग गतिविधि के लिए पहचान सत्यापन और स्पष्ट सहमति का अनिवार्य मानता है। सभी उत्पन्न ऑडियो में उत्पत्ति की पुष्टि करने के लिए अप्रत्यक्ष SynthID वाटरमार्क्स और C2PA मेटाडेटा शामिल होते हैं। फिग्मा, हेजेन और लिङ्गुआना जैसे प्लेटफ़ॉर्म पर पहले से ही प्रारंभिक व्यावसायिक एकीकरण दिखाई दे रहे हैं।
ainews