Google запускает голосовые модели TTS Gemini 3.8 Flash
ainews ·
Google представила две новые модели синтеза речи из текста — Gemini 3.8 Flash TTS и Gemini 3.8 Flash-Lite TTS, предназначенные для массового производства аудио и интерактивного сценарного написания. Стандартная модель Flash ориентирована на креативные отрасли, такие как разработка игр и создание длинных аудиокниг, тогда как версия Lite фокусируется на автоматизированном дубляже и работе голосовых помощников службы поддержки. Эти системы заменяют устаревшие каталоги голосов, предоставляя доступ к более чем 2000 вокальных профилей на более чем 100 языках, включая специфические региональные диалекты. Независимые тесты от Hume AI назвали основную модель лидером по общему качеству и точности передачи акцента. Ключевые функции включают стабильное качество звука при длительном воспроизведении и возможность вставки невербальных звуков, таких как смех или вздохи, непосредственно в скрипты. Для обеспечения безопасности Google требует проверки личности и явного согласия для любых действий по клонированию голоса. Все сгенерированные аудио содержат невидимые водяные знаки SynthID и метаданные C2PA для подтверждения происхождения контента. Ранние коммерческие интеграции уже заметны на таких платформах, как Figma, HeyGen и Linguana.
ainews