Google представила модели синтеза речи Gemini 3.8 Flash TTS и Gemini 3.8 Flash-Lite TTS. Инструменты позволяют клонировать голос на основе 30-секундной аудиозаписи при наличии прав на использование. Система проверяет согласие владельца голоса, а созданные файлы защищаются водяными знаками SynthID и метаданными C2PA.
Модели поддерживают более 100 языков и диалектов, включая библиотеку из 2000 готовых голосов. Разработчики могут управлять интонациями, темпом и эмоциональной окраской речи через текстовые запросы, добавляя шёпот, смех или вздохи. Технология позволяет генерировать длинные аудиозаписи и создавать диалоги с несколькими участниками.
В бенчмарке Voice Design от Hume AI модель Gemini 3.8 Flash TTS набрала 71,4 балла, а в тесте на моделирование акцента — 60,8 балла. Обе новинки заняли лидирующие позиции в индексе общего качества Overall Quality Index. Модели показали высокие результаты в тестах на японском, арабском, вьетнамском, хинди и других языках.
Новые модели доступны в Google AI Studio и через Gemini API. Интеграцию инструментов уже анонсировали платформы Agora, LiveKit, Pipecat и Vercel. Версия Flash-Lite ориентирована на масштабные задачи, такие как дубляж контента и создание голосовых ИИ-агентов.
