গুগল ডিপমাইন্ড জেমিনি পরিবারে দুটি নতুন টেক্সট-টু-স্পিচ মডেল প্রবর্তন করেছে: জেমিনি 3.8 ফ্ল্যাশ টিটিএস এবং জেমিনি 3.8 ফ্ল্যাশ-লাইট টিটিএস। এই মডেলগুলো आवाज़ উৎপাদনকে স্ট্যাটিক প্রিসেট থেকে গতিশীল রচনামূলক স্টুডিওতে পরিণত করে, jolloin রচনাকার, ডেভেলপার এবং উদ্যোগপতি সমৃদ্ধ এবং অভিব্যক্তিমূলক অডিও অভিজ্ঞতা তৈরি করতে সক্ষম হয়। জেমিনি 3.8 ফ্ল্যাশ টিটিএস গভীর রচনামূলক নির্দেশনা এবং ক্যারেক্টার ডিজাইনের জন্য তৈরি করা হয়েছে, যা ব্যবহারকারীদের প্রাকৃতিক ভাষা প্রম্পটের মাধ্যমে গেমিং, অডিওবুক, পডকাস্ট এবং ইন্টারঅ্যাক্টিভ মিডিয়া থেকে শূন্য থেকে কাস্টম आवाज़ তৈরি করতে অনুমতি দেয়। জেমিনি 3.8 ফ্ল্যাশ-লাইট টিটিএস উচ্চ ভলিউম, খরচ-কुशল স্কেলে ফোকাস করে, ডাবিং, ভয়স এজেন্ট এবং টোন এবং পেস নিয়ন্ত্রণের সূক্ষ্ম নিয়ন্ত্রণ সহ অভিব্যক্তিমূলক কন্টেন্টের জন্য অপ্টিমাইজ করা হয়েছে।

এই মডেলগুলো জেমিনি অডিও পরিবারকে প্রসারিত করেছে, যেটি 3.5 লাইভ ট্রান্সলেট, 3.5 ট্রান্সক্রাইব, 3.8 লাইভ এবং 3.8 লাইভ এক্সটেন্ডেড থিংকিং जैसे রিলিজের পর অনুসরণ করে। ব্যবহারকারীরা 30 মৌলিক आवाज़ থেকে অসীম লাইব্রেরি পর্যন্ত স্কেল করতে পারে, 2,000 से अधिक উৎপাদন-ready आवाज़ অ্যাক্সেস করতে পারে যাতে মেক্সিকান স্প্যানিশ, কিউবেক ফ্রেঞ্চ এবং স্কটিশ ইংলিশের মতো বিস্তৃত ভাষা কভারেজ রয়েছে। आवाज़ প্রতিলিপি শুধুমাত্র 30-সেকেন্ডের নমুনা থেকে সমর্থিত হয়, যা সম্মতি যাচাই, সিঙ্ক আইডি ওটারমার্ক এবং C2PA শংসাপত্র দ্বারা সমর্থিত।

দুই মডেলও সঠিক লাইন-বাই-লাইন কর্মক্ষমতা নিয়ন্ত্রণ প্রদান করে, দীর্ঘমুখী জেনারেশনে minimale স্পিকার ড্রিফট, নেটিভ দু-স্পিকার সিন স্টেজিং এবং স্ক্রিপ্টেড ভোকাল বারস্টস প্রদান করে যা বাস্তব কথোপকথনের টেক্সচার তৈরি করে। आवाज़ রিমিক্সিং ক্ষमतাও শীঘ্রই আসছে, যা প্রম্পটের মাধ্যমে টিম্বার, পিচ, পেস এবং এক্সেন্টের সূক্ষ্ম নিয়ন্ত্রণ অনুমতি দেবে।

মূল entidades: কোম্পানিগুলো: Google DeepMind, Google AI Studio, Google Vids | ব্যক্তি: Alan Cowen

সामान्य প্রশ্ন: জেমিনি 3.8 ফ্ল্যাশ টিটিএস এবং ফ্ল্যাশ-লাইট টিটিএস মধ্যে মূল পার্থক্য কী?

জেমিনি 3.8 ফ্ল্যাশ টিটিএস গভীর রচনামূলক নির্দেশনা এবং ক্যারেক্টার ডিজাইনের জন্য ডিজাইন করা হয়েছে, যা শূন্য থেকে কাস্টম आवाज़ সৃষ্টিকে সক্ষম করে যা অভিনয় ইঙ্গিত, গति এবং দিয়ালেক্ট পরিবর্তনে গ্রানুলার নিয়ন্ত্রণ প্রদান করে। ফ্ল্যাশ-লাইট টিটিএস উচ্চ ভলিউম, খরচ-কुशল স্কেলের জন্য অপ্টিমাইজ করা হয়েছে, যা ডাবিং, ভয়স এজেন্ট এবং টোন এবং পেস নিয়ন্ত্রণের সূক্ষ্ম নিয়ন্ত্রণ সহ অভিব্যক্তিমূলক কন্টেন্টের জন্য আদর্শ।