In questo articolo Indice dei contenuti 3 sezioni
Con due nuovi modelli dedicati alla sintesi vocale, Google allarga il perimetro audio di Gemini e porta la generazione di voci artificiali su un terreno molto più flessibile di prima. Si chiamano Gemini 3.8 Flash TTS e Gemini 3.8 Flash Lite TTS, servono a creare voci da zero, replicarne di esistenti e decidere nel dettaglio come una frase deve essere pronunciata. Arrivano dopo Gemini 3.8 Live, 3.8 Live Extended Thinking e Gemini 3.1 Flash TTS, e rispondono a due esigenze diverse: il primo punta sulla qualità e sulla personalizzazione, il secondo sulla produzione di grandi volumi con costi più bassi.
Voci create a parole, oltre 2.000 già pronte
La parte più curiosa riguarda la creazione di voci senza pescare da un catalogo. Basta descrivere a parole il risultato desiderato, indicando ruolo, accento, stile, e il modello costruisce un’identità vocale coerente con quella descrizione. Il supporto tocca oltre 100 lingue e dialetti, con la possibilità di guidare la lettura intervenendo su ritmo, tono e interpretazione delle singole battute. Gli esempi mostrati dall’azienda vanno da un DJ di Melbourne a un robot dalla voce sottile e monotona, fino a un drago giapponese.
Per chi preferisce una strada più rapida ci sono più di 2.000 voci già pronte per la produzione, comprese varianti regionali come lo spagnolo messicano, il francese del Québec e l’inglese scozzese. Gli ambiti applicativi sono quelli intuibili: personaggi per videogiochi, contenuti interattivi, audiolibri, podcast. Gemini 3.8 Flash Lite TTS invece nasce per doppiaggi, contenuti su larga scala e agenti vocali, mantenendo comunque un controllo su tono, ritmo ed espressività.
C’è poi la replica vocale, che richiede appena 30 secondi di registrazione. Google precisa che il campione deve essere della propria voce oppure di una voce sulla quale si detengono i diritti. La voce ottenuta si salva e si riutilizza nei progetti successivi, così da restare coerente nel tempo. In arrivo anche una funzione di remix per modificare timbro, altezza, velocità e accento di una voce già presente in libreria. Nota importante per chi lavora dall’Italia: la replica vocale tramite Google AI Studio non è accessibile nello Spazio economico europeo, oltre che in Illinois, Texas, Regno Unito, Svizzera e India.
Il copione diventa una regia, con risate e sospiri
La personalizzazione non si ferma al timbro. Dentro al testo si possono inserire vere e proprie indicazioni di scena, oppure lasciare che sia Gemini a interpretare i segnali presenti nel copione, passando dal tono pacato di un operatore di assistenza clienti a una scena di suspense sussurrata. I modelli reggono conversazioni a due voci nello stesso testo, tenendo distinti gli interlocutori e gestendone i turni di parola. Si possono aggiungere anche espressioni non verbali come risate, sospiri e sussulti, oltre alle interiezioni che si usano mentre si ascolta qualcuno, tipo “mhm” e “yeah”. Dettagli che fanno la differenza negli agenti vocali, ma anche nei podcast e nei contenuti narrativi. Un altro punto su cui l’azienda insiste è la tenuta sulle lunghe distanze, con una voce che resta coerente per ore di audio.
Benchmark, filigrane e dove trovarli
Sui numeri, Gemini 3.8 Flash TTS ha raccolto 71,4 punti nel Voice Design Benchmark di Hume AI, primo posto assoluto secondo la classifica citata, più 60,8 punti nella valutazione sulla modellazione degli accenti. Nell’Overall Quality Index di Hume AI i due modelli occupano rispettivamente il primo e il secondo posto, mentre su Voice Arena arrivano posizioni di vertice in giapponese, portoghese brasiliano, vietnamita, arabo standard moderno, spagnolo messicano e hindi.
Sul fronte sicurezza, prima di replicare una voce il proprietario deve fornire un consenso verbale registrato che corrisponda al parlante di riferimento. Tutti gli audio generati vengono marcati con SynthID, la filigrana invisibile integrata nel contenuto, e per la replica vocale sono previste credenziali C2PA. Gemini 3.8 Flash TTS è già disponibile per gli sviluppatori tramite API Gemini e Google AI Studio, che ospita un nuovo spazio dedicato alla progettazione delle voci, ed è in distribuzione per tutti in Gemini Notebook. L’arrivo su Gemini Enterprise è previsto più avanti. Il modello Flash Lite segue un percorso simile e per gli utenti compare in Google Vids. Tra le aziende che stanno integrando i nuovi modelli figurano Figma, HeyGen, Linguana, Wondercraft, 99.co e Ollang, mentre sul fronte infrastrutturale ci sono Agora, LiveKit, Pipecat e Vercel.
Fonte: TecnoAndroid
