Gemini 3.8 TTS styres replik for replik
Modellerne skaber stemmer fra sprogkommandoer, scorer højest på stemmedesign og beskyttes med samtykkekrav og SynthID-vandmærke.
Nye stemmer skabes fra bunden med sprog
Google DeepMind lancerer Gemini 3.8 Flash TTS og Gemini 3.8 Flash-Lite TTS. I stedet for en fast liste på 30 stemmer skaber modellernes nu helt nye stemmeidentiteter ud fra almindelige sprogkommandoer — du beskriver, hvordan stemmen skal lyde, og modellen bygger den.
I Google AI Studio vælger du en stemme og åbner en manuskripteditor med to talere. Her instruerer du hver repliks levering linje for linje, fra accent til følelse. Modellen understøtter også scener, hvor flere stemmer skifter naturligt mellem hinanden.
- Score på Hume AI Voice Design Benchmark, førsteplads for Gemini 3.8 Flash TTS
- 71.4
- Score på Hume AI accentmodellering, førsteplads for Gemini 3.8 Flash TTS
- 60.8
- Understøttede sprog for begge nye TTS-modeller
- 100+ sprog
Bedst målt på stemmedesign og kvalitet
Gemini 3.8 Flash TTS scorer 71.4 på Hume AIs Voice Design Benchmark og tager førstepladsen. I accentmodellering fører den også med 60.8.
På Hume AIs Overall Quality Index indtager Flash og Flash-Lite første- og andenpladsen. Bedømmelserne viser markante forbedringer for lang indhold og to-taler manuskriptkontrol sammenlignet med Gemini 3.1 Flash TTS.
I blinde præferencetest på Voice Arena ligger begge modeller øverst på japansk, brasiliansk portugisisk, vietnamesisk, moderne standardarabisk, mexicansk spansk og hindi.
Samtykke og vandmærke beskytter stemmer
For at kopiere en eksisterende stemme kræves en lydoptagelse, hvor stemmeejeren giver samtykke, og som skal matche referencetalen, før stemmen kan oprettes.
Al lyd fra Gemini Audio-modellerne vandmærkes med SynthID, et usynligt vandmærke indlejret i lyden, så AI-genereret tale kan identificeres.
Modellerne er tilgængelige i Google AI Studio og via Gemini API. Udviklere kan integrere dem gennem platforme som Agora, LiveKit, Pipecat og Vercel.
Flere detaljer
- Firmaer som Figma, HeyGen, Linguana og Wondercraft integrerer modellerne
- Brugsområder inkluderer global dubbing og stemmeassistenter i stor skala
- Tilgængelig også i Gemini Enterprise, Gemini Notebook og Google Vids
Kilder:
Google DeepMind → Google Gemini →
Genfortalt i egne ord af AI-nyheder.com · AI-genereret illustration · Tjek altid originalkilden, før du handler på vigtige oplysninger.