Google DeepMind hat zwei neue Text-zu-Sprache-Modelle zur Gemini-Familie hinzugefügt: Gemini 3.8 Flash TTS und Gemini 3.8 Flash-Lite TTS. Diese Modelle verwandeln die Sprachgenerierung von statischen Voreinstellungen in ein dynamisches kreatives Studio, wodurch Entwickler, Creator und Unternehmen reichhaltigere und ausdrucksstärkere Audioerlebnisse schaffen können. Gemini 3.8 Flash TTS ist für tiefgehende kreative Steuerung und Charakterdesign konzipiert und ermöglicht es Benutzern, benutzerdefinierte Stimmen von Grund auf über natürliche Sprachprompts in Spielen, Hörbüchern, Podcasts und interaktiven Medien zu generieren. Gemini 3.8 Flash-Lite TTS konzentriert sich auf hohe Volumen und kosteneffiziente Skalierbarkeit, optimiert für Synchronisation, Sprachagenten und ausdrucksstarke Inhalte mit feiner Kontrolle über Ton und Tempo.

Diese Modelle erweitern die Gemini Audio-Familie, gefolgt von Veröffentlichungen wie 3.5 Live Translate, 3.5 Transcribe, 3.8 Live und 3.8 Live Extended Thinking. Benutzer können von 30 ursprünglichen Stimmen auf eine unbegrenzte Bibliothek skalieren und über 2.000 produktionsfertige Stimmen mit umfassender Sprachunterstützung zugreifen, darunter Mexikanisches Spanisch, Québec-Französisch und Schottisches Englisch. Die Stimmenreplikation wird anhand einer 30-Sekunden-Probe unterstützt, untermauert durch Zustimmungsverifikation, Synth ID-Wasserzeichen und C2PA-Zertifikate.

Beide Modelle bieten eine präzise zeilenweise Leistungssteuerung, langformige Generierung mit minimalem Sprecher-Drift, native Zweisprecher-Szenen-Staging und skriptgesteuerte vokale Ausbrüche für eine realistische Gesprächstextur. Die Sprachremix-Funktionen stehen ebenfalls bald zur Verfügung und ermöglichen die Feinabstimmung von Klangfarbe, Tonhöhe, Tempo und Akzent über Prompts.

Wichtige Entitäten: Unternehmen: Google DeepMind, Google AI Studio, Google Vids | Personen: Alan Cowen

Häufig gestellte Fragen: Was sind die wichtigsten Unterschiede zwischen Gemini 3.8 Flash TTS und Flash-Lite TTS?

Gemini 3.8 Flash TTS ist für tiefgehende kreative Steuerung und Charakterdesign konzipiert und ermöglicht die Erstellung benutzerdefinierter Stimmen von Grund auf mit granularer Kontrolle über Schauspielanweisungen, Tempo und Dialektwechsel. Flash-Lite TTS ist für hohe Volumen und kosteneffiziente Skalierbarkeit optimiert und ideal für Synchronisation, Sprachagenten und ausdrucksstarke Inhalte mit feiner Kontrolle über Ton und Tempo.