Google Lance les Modèles de Synthèse Vocale Gemini 3.8 pour des Applications Vocales Améliorées

Google a introduit ses nouveaux modèles de synthèse vocale Gemini 3.8, améliorant ainsi les capacités des créateurs et des développeurs à produire des voix expressives, naturelles et multilingues à grande échelle. Cette sortie fait partie de la famille audio Gemini plus large, qui comprend des modèles tels que Gemini 3.8 Live et Gemini 3.8 Flash, destinés respectivement aux interactions vocales en temps réel et aux tâches de codage.

L'introduction des modèles de synthèse vocale Gemini 3.8 semble renforcer la position concurrentielle de Google dans le développement de la technologie IA. Cette sortie s'inscrit dans une stratégie plus large visant à élargir la pile audio Gemini, suggérant une approche globale des applications audio pilotées par l'IA. Les acteurs du marché interprètent ce développement comme un indicateur des avancées continues de Google en matière d'IA, pouvant influencer les perceptions sur la performance des modèles d'IA de l'entreprise.

Caractéristiques Clés de Gemini 3.8

• Personnalisation vocale améliorée avec trois niveaux de sélection de voix.
• Prise en charge de jusqu'à 130 langues, répondant aux marchés mondiaux.
• Comprend à la fois la génération audio à un seul locuteur et à plusieurs locuteurs.
• Propose un système de conception de voix personnalisé permettant des invites en langage naturel pour la création de voix.

Le lancement de la synthèse vocale suit la sortie des modèles Gemini 3.8 Live, conçus pour les interactions vocales en temps réel, démontrant l'engagement de Google à faire progresser les technologies vocales pilotées par l'IA. Les acteurs du marché surveilleront probablement la performance de ces modèles par rapport à leurs concurrents, tels que ceux d'Anthropic et d'OpenAI, ainsi que leur impact sur le classement des LLM dans l'Arène des Chatbots.

Mises à jour récentes sur ChatGPT Voice

• ChatGPT Voice a été mis à jour pour inclure le support des plugins et trois nouveaux modèles GPT-6 : Astra, Sol et Luna.
• Astra est le modèle le plus performant d'OpenAI, conçu pour le codage et le raisonnement complexe, tandis que Sol et Luna sont optimisés pour des cas d'utilisation quotidiens.
• À partir du 10 septembre 2026, les utilisateurs du plan Pro peuvent choisir entre GPT-5.6 Sol ou GPT-6 Astra pour les interactions vocales.
• GPT-6 Sol et GPT-6 Luna ont été lancés le 22 septembre 2026, avec des prix API considérablement réduits : Sol à 2 $ par million de tokens d'entrée et 10 $ par million de tokens de sortie, et Luna à 0,10 $ / 0,50 $.
• OpenAI a ajusté les plafonds d'utilisation quotidienne pour GPT-Live, permettant aux abonnés Plus jusqu'à 3 heures d'interaction vocale et aux utilisateurs Pro 15 heures par jour.
• Luna est disponible pour les utilisateurs des niveaux Free et Go via l'application de bureau, qui a acquis le support de GPT-Live en juillet 2026.
• La nouvelle stratégie de tarification pour Sol et Luna vise à remodeler le comportement des développeurs en offrant des solutions plus rentables pour diverses tâches.

Nouveaux développements dans les modèles de synthèse vocale Google Gemini 3.8

• Gemini 3.8 Flash TTS a obtenu un score de 89,5 % sur le Benchmark de robustesse de prononciation de l'analyse artificielle, surpassant son prédécesseur, Gemini 3.1 Flash TTS, qui a obtenu 88,2 %.
• Le modèle s'est également classé premier sur le Benchmark de conception vocale Hume AI avec un score global de 71,4, et a spécifiquement obtenu 60,8 pour la reproduction des accents.
• Gemini 3.8 Flash TTS a sécurisé les première et deuxième positions sur l'Indice de qualité globale Hume AI.
• Lancé le 23 septembre, Gemini 3.8 Flash TTS comprend une variante plus légère appelée Flash-Lite TTS, toutes deux disponibles via l'API Gemini et Google AI Studio.
• Le modèle prend en charge la conception vocale générative à partir d'invites textuelles et peut reproduire une voix spécifique à partir d'environ 30 secondes d'audio.
• Il est capable de gérer des interactions multi-locuteurs, permettant à un seul modèle de donner vie à des conversations entières entre différents personnages.
• Le support linguistique dépasse 100 langues, y compris divers accents régionaux, avec une fidélité vocale de qualité studio et un contrôle précis grâce aux métadonnées et aux balises en ligne.