Google представляет модели текст-в-речь Gemini 3.8 для улучшения голосовых приложений

Google представил свои новые модели текст-в-речь Gemini 3.8, которые расширяют возможности создателей и разработчиков в производстве выразительных, естественных и многоязычных голосов в больших масштабах. Этот релиз является частью более широкой линейки аудиомоделей Gemini, в которую входят такие модели, как Gemini 3.8 Live и Gemini 3.8 Flash, предназначенные для взаимодействия в реальном времени и задач программирования соответственно.

Введение моделей текст-в-речь Gemini 3.8, похоже, укрепляет конкурентные позиции Google в разработке технологий ИИ. Этот релиз является частью более широкой стратегии по расширению аудиостека Gemini, что свидетельствует о комплексном подходе к аудиоприложениям на основе ИИ. Участники рынка интерпретируют это развитие как свидетельство продолжающихся достижений Google в области ИИ, что может повлиять на восприятие производительности моделей ИИ компании.

Ключевые особенности Gemini 3.8

• Улучшенная настройка голоса с тремя уровнями выбора голоса.
• Поддержка до 130 языков, что позволяет охватить глобальные рынки.
• Включает генерацию аудио как с одним, так и с несколькими говорящими.
• Предоставляет систему дизайна пользовательского голоса, позволяющую использовать естественные языковые команды для создания голоса.

Запуск TTS последовал за релизом моделей Gemini 3.8 Live, предназначенных для взаимодействия в реальном времени, что подчеркивает приверженность Google к развитию технологий голосового взаимодействия на основе ИИ. Участники рынка, вероятно, будут следить за тем, как эти модели будут работать по сравнению с конкурентами, такими как Anthropic и OpenAI, а также за их влиянием на рейтинг Chatbot Arena LLM.

Последние обновления о голосе ChatGPT

• Голос ChatGPT был обновлён, чтобы включить поддержку плагинов и три новые модели GPT-6: Astra, Sol и Luna.
• Astra — это самая мощная модель OpenAI, предназначенная для программирования и сложного логического мышления, в то время как Sol и Luna оптимизированы для повседневных задач.
• С 10 сентября 2026 года пользователи Pro-плана могут выбирать между GPT-5.6 Sol или GPT-6 Astra для голосовых взаимодействий.
• GPT-6 Sol и GPT-6 Luna были запущены 22 сентября 2026 года, с значительно сниженной ценой на API — Sol по $2 за миллион входных токенов и $10 за миллион выходных токенов, а Luna по $0.10/$0.50.
• OpenAI скорректировала суточные лимиты использования для GPT-Live, позволяя подписчикам Plus до 3 часов голосового взаимодействия и пользователям Pro 15 часов в день.
• Luna доступна пользователям бесплатного и Go-тарифа через настольное приложение, которое получило поддержку GPT-Live в июле 2026 года.
• Новая ценовая стратегия для Sol и Luna направлена на изменение поведения разработчиков, предлагая более экономичные решения для различных задач.

Новые разработки в моделях синтеза речи Google Gemini 3.8

• Gemini 3.8 Flash TTS достигла оценки 89.5% на Бенчмарке устойчивости произношения Искусственного Анализа, превзойдя своего предшественника, Gemini 3.1 Flash TTS, который набрал 88.2%.
• Модель также заняла первое место на Бенчмарке дизайна голоса Hume AI с общей оценкой 71.4, а конкретно набрала 60.8 за воспроизведение акцента.
• Gemini 3.8 Flash TTS заняла как первое, так и второе места в Индексе общего качества Hume AI.
• Запущенная 23 сентября, Gemini 3.8 Flash TTS включает более легкий вариант под названием Flash-Lite TTS, оба доступны через API Gemini и Google AI Studio.
• Модель поддерживает генеративный дизайн голоса на основе текстовых подсказок и может воспроизводить конкретный голос из примерно 30 секунд аудио.
• Она способна обрабатывать взаимодействия с несколькими говорящими, позволяя одной модели озвучивать целые разговоры между разными персонажами.
• Поддержка языков превышает 100 языков, включая различные региональные акценты, с качеством голоса студийного уровня и тонким контролем через метаданные и встроенные теги.