Google запускает модели голосового синтеза Gemini 3.8 Flash TTS

AI рассказывает, что Google представил две модели голосового синтеза Gemini 3.8 Flash TTS, разработанные для прямого сценарного исполнения и высокообъемного аудиопроизводства. Двойной релиз разделяет задачи синтеза речи между креативным направлением и управляемой затратами инфраструктурой. Gemini 3.8 Flash TTS нацелен на интерактивные развлечения, разработку игр и длинные повествования, где команды студий требуют голосового дизайна на основе подсказок. Gemini 3.8 Flash-Lite TTS сосредоточен на автоматизированном дубляже медиа, разговорных агентах для клиентов и высокопроизводительных переводческих потоках. Обе системы расширяют уже существующий аудиопортфель Google, который ранее включал 3.5 Live Translate, 3.5 Transcribe, 3.8 Live и 3.8 Live Extended Thinking. Технические команды разработали новые модели, чтобы заменить фиксированные каталоги из 30 устаревших голосов. Теперь разработчики могут получить доступ к каталогу, содержащему более 2000 заранее созданных голосовых профилей, охватывающих региональные языковые вариации, такие как французский из Квебека, шотландский английский и мексиканский испанский на более чем 100 языках. В ближайшем будущем будет доступен модуль ремикса голосов, который позволит звуковым инженерам настраивать тембр, высоту, скорость и акценты через прямые текстовые команды. Независимые оценки производительности синтеза на основе бенчмарков Hume AI ставят большую модель на первое место в сторонних аудио-рейтингам. На бенчмарке Hume AI Voice Design Gemini 3.8 Flash TTS зарегистрировал общий балл 71.4, наряду с лидирующим в категории рейтингом 60.8 в моделировании акцентов. В Индексе общего качества Hume AI Gemini 3.8 Flash TTS занял первое место, тогда как Gemini 3.8 Flash-Lite TTS занял второе место, превзойдя предыдущие базовые показатели, установленные Gemini 3.1 Flash TTS. Двойные слепые испытания, проведенные через Voice Arena, подтвердили преимущества предпочтений в региональных языках, включая японский, бразильский португальский, вьетнамский, современный стандартный арабский, мексиканский испанский и хинди. Основное внимание уделяется многоактёрному сценированию и расширенным синтетическим записям. Один сценарий управляет обменами двух актёров, что сохраняет естественное чередование разговоров и вокальную сепарацию в течение длительных диалогов. Качество аудио и тембр персонажа остаются стабильными на протяжении многочасовых файлов, что снижает деградацию голоса во время записи аудиокниг и эпизодических подкастов. Авторы могут вставлять невербальные акустические маркеры непосредственно в производственный текст, добавляя теги, такие как , или , наряду с реактивными вербальными вставками, такими как |mhm| и |yeah| для балансировки темпа разговора. Контроль безопасности Google для моделей голосового синтеза Gemini 3.8 Flash TTS основывается на обязательных проверках личности для противодействия рискам подделки. Воссоздание голосового профиля требует 30-секундной эталонной записи, сопровождаемой явной записью согласия, произнесенной оригинальным владельцем голоса. Google проверяет акустическое соответствие между обеими аудиозаписями перед обработкой пользовательских профилей. Сгенерированные звуковые файлы встраивают незаметные аудиоводяные знаки SynthID и криптографические метаданные C2PA непосредственно в экспортируемую волну, что обеспечивает возможность идентификации синтетических речевых активов с помощью инструментов обнаружения. Развертывание в корпоративных средах уже началось в нескольких программных экосистемах. Разработчики программного обеспечения могут получить доступ как к Flash TTS, так и к Flash-Lite TTS через Google AI Studio и стандартный API Gemini, подключаясь к фреймворкам разработчиков, управляемым Agora, LiveKit, Pipecat и Vercel. Ранние коммерческие интеграции охватывают Figma, HeyGen, Linguana, Wondercraft, 99.co и Ollang для регионального медиа-перевода и автоматизации обслуживания клиентов. Конечные пользователи получают Flash TTS непосредственно внутри Gemini Notebook, тогда как Google Vids включает Flash-Lite TTS. Клиенты Gemini Enterprise получат административный доступ к API в предстоящем волне развертывания. Материал подготовлен нейросетью на основе оригинальной публикации. ИИ может ошибаться в деталях (цифры, имена, даты, цитаты) — для важной информации сверяйтесь с первоисточником.