Dois modelos, dois propósitos
O Google anunciou dois novos modelos de conversão de texto em fala na família Gemini: o Gemini 3.8 Flash TTS e o Gemini 3.8 Flash-Lite TTS. A promessa é transformar a geração de voz de “presets estáticos” em um estúdio criativo dinâmico. O primeiro é voltado para direção criativa e design de personagens; o segundo, para volume alto e escala com custo eficiente — como dublagem em massa, criação de conteúdo em áudio e agentes de voz expressivos.
Criar vozes do zero com linguagem natural
O Gemini 3.8 Flash TTS permite criar vozes inteiramente novas a partir de prompts em linguagem natural, personalizando papel, sotaque e características vocais em mais de 100 idiomas e dialetos. Dá para dar vida a um dragão japonês cuspidor de fogo ou a um narrador carismático com cadência regional específica — tudo descrito em texto. A direção é feita linha a linha, com controle fino de pistas de atuação, ritmo, mudanças de dialeto e até backchanneling (os sons naturais de concordância em uma conversa).
Onde os modelos estão disponíveis
Os dois modelos podem ser usados no Google AI Studio, na Gemini API, no Gemini Enterprise, no Gemini Notebook e no Google Vids. Os casos de uso destacados pelo Google incluem audiolivros imersivos, podcasts, jogos, mídia interativa e agentes de voz em tempo real em escala.
Segurança embutida
O Google afirma que os modelos incluem ferramentas de segurança integradas, como marca d’água (watermarking) no áudio gerado, para rastrear e proteger o conteúdo produzido. A família Gemini Audio vem crescendo: os novos TTS se somam ao 3.5 Live Translate, ao 3.5 Transcribe, ao 3.8 Live e ao 3.8 Live Extended Thinking, consolidando a aposta do Google em áudio como frente estratégica contra concorrentes como ElevenLabs e OpenAI.
Descubra mais sobre noticiAI
Assine para receber nossas notícias mais recentes por e-mail.
