Google lanza nuevos modelos de TTS Gemini: una revolución en la generación de voces
Google ha presentado recientemente dos nuevos modelos de Text-to-Speech (TTS) a su familia Gemini, transformando la generación de voces desde presets estáticos en un estudio creativo dinámico. Estos nuevos modelos, conocidos como Gemini 3.8 Flash TTS y Gemini 3.8 Flash-Lite TTS, permiten una creatividad sin precedentes en la producción de voces para diversos medios como juegos, audiolibros y podcasts.
Gemini 3.8 Flash TTS: Un estudio creativo para voces
Flash TTS está diseñado para trabajos creativos como juegos, audiolibros y podcasts. Permite a los usuarios crear voces desde cero, describiendo su papel, acento y características en un lenguaje simple, para más de 100 idiomas y dialectos. Los usuarios pueden elegir voces predefinidas de una biblioteca de más de 2,000 voces, incluyendo variaciones regionales como el español mexicano, el francés canadiense y el inglés escocés. Las voces personalizadas pueden guardarse para su uso en múltiples proyectos.
Gemini 3.8 Flash-Lite TTS: Una opción económica para volumen alto
Flash-Lite TTS es una opción más económica y de volumen alto, ideal para doblajes y agentes vocales. Este modelo permite a los usuarios dirigir la entrega línea por línea con directrices de escena, soportando escenas de dos voces desde un solo guión y audio de larga duración que puede durar horas. Los guiones pueden incluir pistas como risas, suspiros y interrupciones cortas como 'mhm'.
Recreación de voces a partir de 30 segundos de audio
Flash TTS también puede recrear voces a partir de un fragmento de audio de 30 segundos. Los usuarios deben proporcionar un registro de consentimiento verbal del dueño de la voz, y el sistema verifica que coincida con el hablante de referencia antes de crear la voz. Cada clip generado por los modelos de audio de Google lleva un marcador de agua SynthID, según la compañía. Las voces replicadas también llevan credenciales C2PA.
Resultados y colaboraciones
Flash TTS obtuvo el primer lugar en el Hume AI’s Voice Design Benchmark con una puntuación de 71.4. También se colocó en el primer y segundo lugar en el Overall Quality Index de Hume AI. En pruebas ciegas de preferencia en Voice Arena, los modelos se colocaron en los primeros puestos en idiomas como japonés, hindi y español mexicano. Google ha nombrado a Figma, HeyGen, Wondercraft, Linguana, 99.co y Ollang como empresas que integran estos nuevos modelos. Flash TTS también se incorporará a Gemini Notebook, y Flash-Lite TTS a Google Vids. El acceso para empresas a través de Gemini Enterprise se lanzará pronto.
💡 La Opinión de ExploxTV
La introducción de estos modelos Gemini representa un salto significativo en la tecnología de generación de voces. No solo permiten una mayor flexibilidad y personalización, sino que también abren nuevas posibilidades creativas para la industria del entretenimiento y la publicidad. La capacidad de recrear voces a partir de fragmentos de audio de 30 segundos es particularmente revolucionaria, ya que reduce significativamente la cantidad de material necesario para crear voces personalizadas.