गूगल के नए फ्लैश TTS मॉडल्स आपको टेक्स्ट विवरण का उपयोग करके शून्य से एआई आवाज़ें डिजाइन करने की अनुमति देते हैं
decoder ·
गूगल ने गेमिनी 3.8 फ्लैश टीटीएस और फ्लैश-लाइट टीटीएस सहित दो नए टेक्स्ट-टू-स्पीच मॉडल जारी किए हैं, जो 100 से अधिक भाषाओं का समर्थन करते हैं। मानक फ्लैश टीटीएस उपयोगकर्ताओं को टेक्स्ट विवरणों के माध्यम से शून्य से अनोखी आवाज़ें डिजाइन करने या सहमति के साथ 30-सेकंड के नमूनों से आवाज़ों को क्लोन करने की सुविधा देता है। यह पॉडकास्ट और गेम्स जैसे रचनात्मक अनुप्रयोगों के लिए लक्षित है, जिसमें स्टेज निर्देश और दो अलग-अलग आवाज़ों वाले संवाद की क्षमता शामिल है। इसके विपरीत, फ्लैश-लाइट टीटीएस मॉडल डबिंग और वॉइस एजेंट्स के लिए लागत-प्रभावी, बड़े पैमाने पर speech जनरेशन पर ध्यान केंद्रित करता है। दोनों मॉडल्स में पहचान के लिए सिंथआईडी वाटरमार्क और हँसी और आह जैसी अवाचिक ध्वनियों का समर्थन शामिल है। गूगल ये टूल्स गेमिनी एपीआई और गूगल एआई स्टूडियो के माध्यम से लॉन्च कर रहा है, और शीघ्र ही एंटरप्राइज़ एक्सेस उपलब्ध होगा। मॉडल और समय अवधि के आधार पर मूल्य निर्धारण संरचनाएं भिन्न हैं, और 2027 में लागत बढ़ने वाली है।
decoder