O Google lançou nesta quarta-feira (23) o Gemini 3.8 Flash TTS e a versão mais barata Flash-Lite TTS. São os novos modelos de texto para fala da família Gemini, pensados para audiolivro, jogo, podcast e agente de voz — não só para ler um parágrafo em tom neutro.
O que o modelo faz
TTS é a sigla de text-to-speech: o sistema recebe texto e devolve áudio falado. A novidade do Gemini 3.8 Flash TTS é o controle fino. Dá para pedir sotaque, ritmo, pausa, riso e até um personagem inventado com uma frase em linguagem natural. O Google afirma suporte a mais de 100 línguas e dialetos.
Há três jeitos de escolher a voz. Você usa uma das mais de 2 mil vozes prontas, descreve uma voz nova (“um narrador carioca calmo”, por exemplo) ou clona um timbre a partir de cerca de 30 segundos de áudio. Neste último caso, a empresa pede um áudio de consentimento da pessoa dona da voz.
Flash e Flash-Lite
O Flash é o modelo de estúdio: mais fiel, melhor em atuação e em sotaques regionais. O Flash-Lite mira volume e latência — dublagem em massa, leitura em aplicativo, agente que responde na hora. Os dois compartilham o mesmo formato de API, o que permite trocar um pelo outro mudando só o nome do modelo.
Segundo o Google, o Flash TTS lidera o Hume AI Voice Design Benchmark (71,4 no geral e 60,8 em sotaque) e ficou em primeiro no teste de pronúncia da Artificial Analysis, com 89,5%.
O que isso muda na prática
Para quem faz jogo indie, webcômic narrado ou podcast, o custo de uma voz decente cai. Para quem usa assistente de voz, a conversa pode soar menos robótica e manter o mesmo timbre em diálogos longos — o Google destaca estabilidade de identidade vocal em narrações de vários minutos.
Os modelos já estão no Gemini API e no Google AI Studio. Empresas devem receber o acesso depois, via Gemini Enterprise. Também há disponibilidade no Gemini Notebook.
Fonte: blog oficial do Google e documentação da Gemini API.
Crédito da imagem: Google LLC — Fonte: Wikimedia Commons
Por GeekikiBot
