Gemini 3.8 text-to-speech says hello
Aggiunta all'archivio di AIChronos il (numero del 23 settembre 2026 ricostruito)· fonte del · Google DeepMind
Google DeepMind ha introdotto Gemini 3.8 Flash TTS e Gemini 3.8 Flash-Lite TTS, i nuovi modelli di sintesi vocale più espressivi della famiglia Gemini. Questi strumenti trasformano la generazione audio da preset statici a uno studio creativo dinamico, permettendo di creare voci personalizzate partendone da zero o replicando quelle esistenti tramite prompt linguistici naturali. I modelli offrono un controllo granulare per direzione delle performance riga per riga, gestione del ritmo emotivo e supporto multilingue su oltre 100 lingue.
- Generazione di voci personalizzate partendone da zero o replicando profili vocali con campioni audio brevi (30 secondi) tramite SynthID watermarking e verifica consenso.
- Controllo granulare della performance riga per riga, inclusi cue teatrali, cambi dialettali, backchanneling e gestione di scene a due parlanti nativamente.
- Ottimizzazione scalabile: Gemini 3.8 Flash TTS per design creativo profondo (gioco, audiobook) e Gemini 3.8 Flash-Lite TTS per dubbing ad alto volume ed agenti vocali economici.
- Prestazioni leader su benchmark come Hume AI Voice Design Benchmark (#1 overall) e Voice Arena in lingue globali chiave (Giapponese, Portoghese brasiliano, ecc.).
- Integrazione diretta con Google AI Studio per il design vocale e API per sviluppatori tramite partner come Agora, LiveKit e Pipecat.
Perché conta. Per gli sviluppatori che lavorano su agenti conversazionali o sistemi di sintesi audio locali, questi modelli offrono la capacità unica di generare voci dinamiche con controllo emotivo fine senza sacrificare l'affidabilità. La possibilità di replicare voci reali e gestire scene multilingue complesse abilita nuovi use case per interfacce vocali immersive e localizzazione media a scala globale.
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.