Google lance Gemini 3.8, deux modèles de synthèse vocale

Google a officiellement lancé deux nouveaux modèles de synthèse vocale au sein de sa gamme Gemini : Gemini 3.8 Flash TTS et Gemini 3.8 Flash-Lite TTS. Ces innovations transforment la génération de voix en un véritable studio créatif, permettant aux développeurs, créateurs et entreprises de concevoir des expériences audio plus expressives et personnalisées. Ces modèles s'ajoutent à une famille Gemini Audio déjà étoffée, qui comprend des solutions de traduction, de transcription et de dialogue en temps réel. Le modèle Gemini 3.8 Flash TTS est conçu pour la création sur mesure et le design vocal. Il permet de générer des voix entièrement nouvelles à partir de simples descriptions textuelles et offre un contrôle précis sur chaque phrase, incluant le rythme, les accents, les nuances émotionnelles et les réponses naturelles. À l'inverse, la version Flash-Lite est optimisée pour le traitement à haut volume et à faible coût, idéale pour le doublage massif, la production de contenu audio et les agents conversationnels nécessitant un large déploiement. Une bibliothèque de plus de deux mille voix professionnelles est désormais accessible, couvrant de nombreuses langues et variantes régionales. Google introduit également la réplication vocale à partir d'un échantillon de trente secondes, accompagnée d'un système de vérification du consentement obligatoire pour respecter les droits des talents. Une fonctionnalité de remixage vocal sera prochainement disponible, permettant d'ajuster le timbre, la hauteur et l'accent via des commandes textuelles. Sur le plan technique, les nouveaux modèles ont obtenu le premier rang sur les benchmarks indépendants Hume AI pour la conception et la qualité globale des voix. Ils se distinguent également dans des évaluations humaines en aveugle, rivalisant avec les meilleures solutions disponibles en japonais, portugais brésilien, vietnamien, arabe, espagnol mexicain et hindi. Avec un support dépassant cent langues, ces outils visent à standardiser la qualité audio multilingue à l'échelle mondiale. La sécurité et la transparence restent au cœur du dispositif. Chaque génération audio intègre automatiquement un filigrane numérique invisible, SynthID, qui permet de détecter les contenus synthétiques. Les fichiers utilisent par ailleurs les normes C2PA pour certifier leur origine. Ces mesures, combinées à la vérification stricte des consentements, visent à protéger les créateurs de voix et à limiter les risques de désinformation. Les nouvelles capacités sont immédiatement disponibles dans le playground audio de Google AI Studio pour expérimentation. Pour un déploiement à grande échelle, l'API Gemini permet une intégration directe avec des plateformes telles que Agora, LiveKit, Pipecat et Vercel. Plusieurs entreprises technologiques, dont Figma, HeyGen et Linguana, ont d'ores et déjà commencé à intégrer ces modèles pour accélérer le doublage, la localisation médiatique et le développement d'agents vocaux intelligents. Cette évolution positionne Google à l'avant-garde de la synthèse vocale par intelligence artificielle, en offrant aux professionnels des outils à la fois performants, sécurisés et facilement intégrables dans des applications grand public et entreprises.