I nuovi modelli Flash TTS di Google permettono di creare voci AI da zero tramite descrizioni testuali
decoder ·
Google ha rilasciato due nuovi modelli di sintesi vocale da testo, Gemini 3.8 Flash TTS e Flash-Lite TTS, che supportano oltre 100 lingue. Il modello standard Flash TTS consente agli utenti di creare voci uniche partendo da zero utilizzando descrizioni testuali o di clonare voci da campioni di 30 secondi previo consenso. È destinato ad applicazioni creative come podcast e videogiochi, offrendo funzionalità come indicazioni sceniche e dialoghi distinti a due voci. Il modello Flash-Lite TTS, invece, si concentra sulla generazione di speech su larga scala in modo economicamente vantaggioso, per il doppiaggio e gli agenti vocali. Entrambi i modelli includono watermark SynthID per la rilevazione e supportano suoni non verbali come risate e sospiri. Google sta distribuendo questi strumenti tramite l'API Gemini e Google AI Studio, con accesso enterprise previsto a breve. Le strutture dei prezzi variano in base al modello e al periodo, con aumenti dei costi previsti nel 2027.
decoder