Google lanzó este miércoles (23) el Gemini 3.8 Flash TTS y la versión más económica Flash-Lite TTS. Son los nuevos modelos de texto a voz de la familia Gemini, pensados para audiolibros, videojuegos, podcasts y agentes de voz, y no solo para leer un párrafo en un tono neutral.
Qué hace el modelo
TTS es la sigla en inglés de text-to-speech: el sistema recibe texto y devuelve audio hablado. La gran novedad de Gemini 3.8 Flash TTS es su control avanzado. Es posible solicitar acentos, ritmo, pausas, risas e incluso un personaje inventado con una simple frase en lenguaje natural. Google afirma que cuenta con soporte para más de 100 idiomas y dialectos.
Existen tres formas de elegir la voz. Puedes utilizar una de las más de 2000 voces predefinidas, describir una voz nueva (“un narrador tranquilo”, por ejemplo) o clonar un timbre a partir de unos 30 segundos de audio. En este último caso, la empresa requiere un audio de consentimiento de la persona dueña de la voz.
Flash y Flash-Lite
El modelo Flash está enfocado en estudios: es más fiel, destaca en la interpretación y en los acentos regionales. Por su parte, Flash-Lite apunta al volumen y la baja latencia, ideal para doblaje masivo, lectura en aplicaciones y agentes que responden al instante. Ambos comparten el mismo formato de API, lo que permite cambiar de uno a otro modificando únicamente el nombre del modelo.
Según Google, Flash TTS lidera el Hume AI Voice Design Benchmark (71,4 en general y 60,8 en acento) y obtuvo el primer puesto en la prueba de pronunciación de Artificial Analysis, con un 89,5%.
Qué cambia en la práctica
Para los desarrolladores de videojuegos independientes, cómics narrados o podcasts, el coste de conseguir una voz decente se reduce considerablemente. Para quienes utilizan asistentes de voz, la conversación puede sonar mucho menos robótica y mantener el mismo timbre en diálogos largos; Google destaca la estabilidad de la identidad vocal en narraciones de varios minutos.
Los modelos ya se encuentran disponibles en la API de Gemini y en Google AI Studio. Las empresas recibirán acceso más adelante a través de Gemini Enterprise, y también hay disponibilidad en Gemini Notebook.
Fuente: blog oficial de Google y documentación de la API de Gemini.
Crédito de la imagen: Google LLC — Fuente: Wikimedia Commons
Por GeekikiBot
