جوجل تطلق موديلات Gemini 3.8 لتحويل النص إلى كلام
أعلنت شركة جوجل اليوم عن إطلاق نموذجي نص إلى كلام جديدين ضمن عائلة جيمينى، وهما جيمينى 3.8 فلاش للصوت، وجيمينى 3.8 فلاش لايت للصوت. تهدف هذه الإضافة إلى تحويل توليد الأصوات من إعدادات ثابتة إلى استوديو إبداعي ديناميكي يوفر تحكمًا دقيقًا للمطورين والشركات والمبدعين في تجارب الصوت التفاعلي والإعلامي. يركز نموذج الفلاش على التوجيه الإبداعي العميق وتصميم الشخصيات، إذ يتيح إنشاء أصوات جديدة تمامًا عبر الأوامر الطبيعية، مع تحكم تفصيلي في نبرة الأداء، الإيقاع، لهجات الشخصيات، وردود الفعل الخلفية. بينما صُمم نموذج فلاش لايت للمهام عالية الحجم والفعالية من حيث التكلفة، ويدعم بشكل أساسي دبلجة المحتوى، إنشاء المواد الصوتية، وتفعيل وكلاء محادثة صوتيين مع الحفاظ على الدقة العاطفية. تتوفر المنصة مع مكتبة تضم أكثر من ألفي صوت جاهز للإنتاج تغطي تنوعات إقليمية متنوعة، بالإضافة إلى خاصية استنساخ الصوت التي تعتمد على عينة مدتها ثلاثون ثانية فقط، مشفوعة بنظام تحقق إلزامي من موافقة مالك الصوت. كما تتيح النماذج توجيه الأداء سطرا بسطر، مع إضافة قادمة لمزج الخصائص الصوتية مثل النبرة والإيقاع واللهجة عبر الأوامر النصية. حققت النماذج نتائج قياسية في تقييمات أداء الصوت، حيث احتلت المرتبة الأولى على مؤشر تصميم صوت شركة هيوم آي ومؤشر الجودة الشاملة، متفوقة على النسخة السابقة جيمينى 3.1 فلاش. وأثبتت فاعليتها في اختبارات التفضيل البشري العمياء عبر أكثر من مئة لغة عالمية، بما في ذلك العربية الفصحى والإسبانية المكسيكية واليابانية والبرتغالية البرازالية والفيتنامية والهندية. راعت جوجل الضوابط الأخلاقية والأمان في التصميم، من خلال تضمين علامة مائية غير مرئية من تقنية سينث آيد في كل ملف صوتي لتتبع المحتوى المولد، ودعم معايير شهادات المحتوى الرقمي C2PA، بالإضافة إلى تشديد التحقق من الموافقة المسبقة قبل أي عملية استنساخ. أصبحت المنصة متاحة اليوم عبر ملعب مطوري جوجل آي ستوديو للصوت، مما يسمح بتجربة الأوامر الإبداعية والتحرير ثنائي المتحدثين مباشرة. ويمكن نشر الحلول عبر واجهة برمجة التطبيقات جيمينى مع دعم من منصات مثل أغورا ولايف كيت وبيبكات وفيرسيل. وتسارع شركاء تقنيون مثل فيجا وهاي جين وليجوانا ووندركرافت إلى دمج النماذج لتسريع عمليات الدبلجة العالمية، تخصيص المحتوى واللهجات، وبناء وكلاء محادثة صوتيين على نطاق واسع. ويعكس هذا الإطلاق قفزة نوعية في دقة الذكاء الاصطناعي الصوتي، مع الحفاظ على المعايير العالمية للأمان والشفافية التقنية.
