Google presenta Gemini 3.8 Flash TTS con voces personalizables línea por línea
Los nuevos modelos de texto a voz de Google permiten diseñar voces desde cero y dirigir la entonación de cada línea, con marca de agua SynthID.
Google lanzó Gemini 3.8 Flash TTS y una versión más económica, Gemini 3.8 Flash-Lite TTS, orientados a convertir la generación de voz en un proceso creativo más que en la simple elección de una voz preestablecida. Los modelos permiten crear voces a medida en más de 100 idiomas o elegir entre más de 2,000 voces listas para usar, dirigir conversaciones de ida y vuelta, controlar la entonación línea por línea y añadir matices como risas o interjecciones de escucha activa.
Gemini 3.8 Flash TTS está pensado para producción creativa de alta fidelidad —videojuegos, audiolibros inmersivos, podcasts— mientras que Flash-Lite TTS prioriza la eficiencia para agentes de voz casi en tiempo real y doblaje a gran escala. Google afirma que su modelo principal quedó en el primer lugar del Voice Design Benchmark de Hume AI, con mejor desempeño también en modelado de acentos.
Ambos modelos ya están disponibles para desarrolladores en Google AI Studio y la API de Gemini, con salidas marcadas mediante SynthID; el acceso para consumidores llega a través de Gemini Notebook y Google Vids, con soporte para Gemini Enterprise en camino.