Google представила две новые модели преобразования текста в речь: Gemini 3.8 Flash TTS и Gemini 3.8 Flash-Lite TTS. Инструменты уже доступны через Gemini API и Google AI Studio. Доступ к моделям предоставляется исключительно через API, открытые веса для самостоятельного хостинга не предусмотрены. Корпоративный доступ появится в ближайшее время.
Обновленная система значительно расширила библиотеку голосов по сравнению с предыдущей версией, включавшей 30 вариантов. Модели поддерживают управление интонацией и стилем речи через естественные текстовые подсказки или прямые указания в сценарии. Это позволяет пользователям гибко настраивать манеру произношения в процессе генерации.
Функция клонирования голоса требует предоставления аудиозаписи длительностью 30 секунд. Пользователь должен обладать правами на использование аудио и предоставить запись вербального согласия владельца голоса для сверки с эталонным образцом. Такой подход обеспечивает создание стабильного вокального профиля на основе предоставленного материала.
Для обеспечения безопасности каждый аудиофрагмент, созданный моделями Gemini, помечается водяным знаком SynthID, который встраивается непосредственно в аудиопоток. Клонированные голоса дополнительно снабжаются учетными данными C2PA. Подробная информация о мерах безопасности представлена в официальной карточке модели Gemini 3.8 Audio.
