Os novos modelos Flash TTS do Google permitem criar vozes de IA do zero usando descrições de texto
decoder ·
O Google lançou dois novos modelos de texto para fala, o Gemini 3.8 Flash TTS e o Flash-Lite TTS, que suportam mais de 100 idiomas. O Flash TTS padrão permite que os usuários criem vozes únicas do zero usando descrições textuais ou clonem vozes a partir de amostras de 30 segundos com consentimento. Destina-se a aplicações criativas, como podcasts e jogos, apresentando diretrizes de cena e capacidades distintas de diálogo entre duas vozes. Por outro lado, o modelo Flash-Lite TTS foca na geração de fala em larga escala e baixo custo, voltada para dublagem e agentes de voz. Ambos os modelos incluem marcas d'água SynthID para detecção e suportam sons não verbais, como risadas e suspiros. O Google está disponibilizando essas ferramentas por meio da API Gemini e do Google AI Studio, com acesso empresarial chegando em breve. As estruturas de preços variam conforme o modelo e o período, com aumentos previstos para 2027.
decoder