Google lança modelos Gemini 3.8 Flash para síntese de voz

Gemini 3.8 text-to-speech says hello

Google anuncia dois novos modelos de síntese de voz: Gemini 3.8 Flash TTS (voltado a direção criativa profunda e criação de personagens) e Gemini 3.8 Flash-Lite TTS (voltado a escala e custo eficiente). Os modelos permitem criar vozes inteiramente novas a partir de prompts em linguagem natural em mais de 100 idiomas e dialetos, replicar vozes existentes a partir de 30 segundos de áudio (com verificação de consentimento), dirigir a performance linha a linha (ritmo, emoção, sotaques, risadas, suspiros), manter qualidade em áudio longo com baixo speaker drift, gerar cenas com dois falantes a partir de um único roteiro, e acessar biblioteca de mais de 2.000 vozes prontas com variações regionais. A Google diz que os modelos ficaram em 1º lugar geral no Voice Design Benchmark da Hume AI (71.4) e nas posições 1ª e 2ª no Overall Quality Index da Hume AI, além de liderarem testes de preferência cega no Voice Arena em idiomas-chave. Suporte a mais de 100 idiomas, incluindo japonês, português brasileiro, vietnamita, árabe padrão moderno, espanhol mexicano e hindi, além de variedades regionais como francês de Quebec e inglês escocês. Disponibilidade: para desenvolvedores, via Gemini API e Google AI Studio (já disponíveis); para empresas, em breve via Gemini Enterprise; para usuários finais, Flash TTS no Gemini Notebook e Flash-Lite TTS no Google Vids.