Google stellt Gemini 3.8 Text-zu-Sprache-Modelle vor

Google hat die neue Generation der Text-to-Speech-Modelle innerhalb der Gemini-Familie vorgestellt. Mit Gemini 3.8 Flash TTS und Gemini 3.8 Flash-Lite TTS erweitert das Unternehmen die KI-Stimmgenerierung von starren Vorgaben hin zu einem dynamischen Studio für Entwickler, Kreativschaffende und Unternehmen. Das Flash-Modell fokussiert sich auf kreative Freiheit und präzise Regieanweisungen, während die Flash-Lite-Variante auf Skalierbarkeit und Kosteneffizienz für Massendubbing und Voice-Agents ausgelegt ist. Die Modelle bieten umfassende Anpassungsoptionen. Nutzer können aus einer Bibliothek von über 2.000 fertigen Stimmen wählen oder eigene Stimmprofile aus lediglich 30 Sekunden Audiomaterial replizieren. Dies erfolgt ausschließlich bei nachgewiesener Einwilligung der Stimminhaber. Künftig wird das Voice-Remixing die Feinjustierung von Tonfall, Sprechtempo und Akzenten per Prompt ermöglichen. Beide Modelle erlauben eine zeilenweise Regieanweisung mit granularer Kontrolle über Pausen, Dialektwechsel und emotionale Nuancen. Die Sprachunterstützung umfasst mehr als 100 Sprachen und regionale Varianten, darunter Mexikanisches Spanisch und Quebec-Französisch. In unabhängigen Tests führt Gemini 3.8 Flash TTS die Voice-Design-Benchmark von Hume AI an und belegt bei der Gesamtbewertung Rang eins, gefolgt von der Flash-Lite-Variante auf Rang zwei. Blinde Nutzerbewertungen in Sprachen wie Japanisch, Brasilianisches Portugiesisch und Arabisch bestätigen die überlegene Qualität und natürliche Klangwiedergabe im Vergleich zur Vorgängerversion 3.1. Sicherheit und Transparenz stehen bei der Einführung im Mittelpunkt. Jede generierte Audioaufnahme wird mit dem unsichtbaren SynthID-Wasserzeichen versehen und mit C2PA-Kriterien gekennzeichnet, um künstliche Stimmen nachvollziehbar zu machen und Missbrauch vorzubeugen. Die Konsistenz benutzerdefinierter Stimmen wird durch kontinuitätsüberwachung gewährleistet. Die Integration läuft bereits an. Entwickler können die Modelle über die Gemini API sowie Partnerplattformen wie Agora, LiveKit und Pipecat einbinden. Erste Kooperationen mit Unternehmen wie Figma, HeyGen und Wondercraft beschleunigen die Lokalisierung von Medieninhalten und den Aufbau conversationeller Voice-Agents. Die neuen Funktionen sind zunächst in der Google AI Studio Audio Playground verfügbar und fließen sukzessive in bestehende Google-Produkte wie Gemini Notebook und Google Vids ein.