AI Product | Igor Akimov

Google выкатил Gemini 3.8 TTS. Видимо все силы кинул в голос ) Моделей две: – Gemini 3.8 Flash TTS: для творческой работы, чтобы задать характер персонажа и сыграть сцену – Gemini 3.8 Flash-Lite TTS: для больших объёмов, когда важна цена Что умеют: – Голос генерируется по текстовому описанию, больше 100 языков и диалектов – Больше 2000 готовых голосов с региональными вариантами: мексиканский испанский, квебекский французский, шотландский английский – Клонирование голоса по 30-секундному сэмплу, с проверкой согласия и водяным знаком SynthID – Режиссура по строкам: в сценарии пишешь ремарки обычным языком, и модель их отыгрывает – Держат голос стабильным на часах аудио – Нативный диалог двух спикеров – Смех, вздохи, «ага», «угу», перебивания: всё, что раньше выдавало робота – Скоро обещают ремикс голоса: тембр, высота, темп, акцент По бенчмаркам: – Hume AI Voice Design: первое место (71.4), по акцентам тоже первое (60.8) – Hume AI Overall Quality: первое и второе места у Flash и Flash-Lite – Voice Arena: топ по японскому, бразильскому португальскому, вьетнамскому, арабскому, мексиканскому испанскому и хинди Доступно уже сегодня Видос: https://youtu.be/FL6mI_Br-mc Есть и ложка дёгтя: клонирование голоса не работает в ЕС, Великобритании, Швейцарии, Индии, Иллинойсе и Техасе. https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-text-to-speech/