Google a annoncé ce mercredi le Gemini 3.1 Flash TTS. Le modèle de synthèse vocale offre un meilleur contrôle sur l’expression vocale et est désormais disponible en avant-première pour les développeurs.
La nouvelle fonctionnalité intègre l’API Gemini et des plates-formes telles que Google AI Studio et Vertex AI. Ela alimente également les voix off de Google Vids, l’outil de génération vidéo de Workspace. Le lancement a eu lieu le 15 avril.
Modelo atteint des performances élevées dans un classement indépendant
Le Gemini 3.1 Flash TTS a enregistré un score ELO de 1211 dans le classement Artificial Analysis TTS. La marque Essa la place à la deuxième place du classement général, juste derrière un autre concurrent.
Le modèle se distingue par son équilibre entre qualité vocale et coût de génération. Ele surpasse les options précédentes de Google lui-même en termes de naturel et d’expressivité.
Desenvolvedores rapporte que la sortie semble plus proche de la parole humaine lors des tests initiaux. La réduction de la latence est utile dans les applications qui nécessitent des réponses rapides.
- Suporte natif dans plus de 70 langues
- Dialogue multi-haut-parleurs Geração
- SynthID automatique Incorporação pour l’identification audio générée par l’IA
- Disponibilidade immédiat sur Google AI Studio pour les tests
- Integração avec Vertex AI pour une utilisation en entreprise à grande échelle
L’audio Tags permet une direction précise des performances vocales
Usuários peut insérer des commandes de texte dans l’invite pour ajuster certains aspects de la voix. Exemplos inclut des indications telles qu’un ton joyeux, un rythme lent ou une tension dans l’accouchement.
Les balises Essas fonctionnent comme des itinéraires routiers. Elas change de style, d’accent, de rythme et d’émotion sans avoir besoin de paramètres techniques complexes.
Génération Após, les paramètres peuvent être exportés sous forme de code prêt pour l’API Gemini. Isso facilite le déploiement sur des applications et des projets plus importants.
La fonctionnalité transforme le processus en quelque chose de plus intuitif. Desenvolvedores gagne en flexibilité pour créer des narrations adaptées à différentes scènes ou contextes.
Le modèle maintient la cohérence même avec plusieurs haut-parleurs dans le même audio. Ele différencie les voix et gère les transitions naturelles entre elles.
Integração avec Google Vids étend les options de voix off
No Google Vids, Gemini 3.1 Flash TTS ajoute 30 nouvelles voix conversationnelles. Elas capture mieux les nuances d’expression et de réalisme.
Les options Todas s’exécutent désormais dans 24 langues différentes, avec une extension à 16 langues supplémentaires. Le déploiement a commencé ce mercredi pour les domaines à publication rapide et planifiée.
Usuários de Workspace peut générer des vidéos avec une narration plus fluide et personnalisée. L’outil combine de manière transparente l’audio et les visuels générés par l’IA.
Cet ajout renforce l’accent mis par Google sur la création de contenu accessible. Profissionais et ses sociétés sont en mesure de produire du matériel à voix naturelle sans enregistrements traditionnels.
SynthID assure la traçabilité du contenu généré
Todo L’audio produit par le Gemini 3.1 Flash TTS inclut la balise SynthID. Ele reste inaudible pour les auditeurs humains mais permet une vérification ultérieure.
La technologie aide à identifier le matériel créé par l’IA. Ela combat le risque de désinformation ou d’utilisation abusive dans des contextes sensibles tels que l’actualité et les campagnes.
Google renforce le fait que le filigrane fait partie d’une stratégie responsable dans le développement d’outils audio.
Especialistas considère ce mécanisme comme une avancée importante pour la transparence des technologies génératives. Ele n’affecte pas la qualité de la voix perçue.
Disponibilidade actuel et prochaines étapes pour les développeurs
L’aperçu du modèle est ouvert dans Google AI Studio pour une expérimentation rapide. Version d’accès Empresas via Vertex AI, avec fonctionnalités de sécurité et d’évolutivité cloud.
Guides officiels Documentação sur l’utilisation des balises audio et l’exportation des paramètres. Les pratiques Exemplos montrent comment appliquer des commandes à des invites simples.
Google recommande des tests initiaux sur l’interface AI Studio, qui comprend un terrain de jeu dédié à l’audio. Lá, les utilisateurs écoutent le résultat en temps réel et affinent les tags.
Les mises à jour Futuros devraient étendre davantage les options vocales et linguistiques. La société n’a pas détaillé de calendrier, mais a signalé une continuité dans l’amélioration de la ligne Gemini pour l’audio.
L’accent reste mis sur l’équilibre entre performances, coûts et contrôle. Desenvolvedores peut désormais commencer à intégrer le modèle dans des prototypes et des applications de production.
