Google wydaje modele syntezy mowy Gemini 3.8 z projektowaniem i replikacją głosów

Wpis archiwalny: opisuje wydarzenie z 22 września 2026, a opublikowaliśmy go 8 listopada 2026. Dane pochodzą ze źródeł z tamtego dnia i mogły się od tego czasu zmienić.

22 września 2026 r. Google udostępnił ogólnie modele gemini-3.8-flash-tts i gemini-3.8-flash-lite-tts wraz z endpointem /v1beta/voices, co odnotowano w dzienniku zmian Gemini API. Modele syntezy mowy obsługiwały projektowanie i replikację głosów, a ich wyniki zawierały oznaczenia pochodzenia.

Co zmieniło się w Gemini 3.8 TTS

• gemini-3.8-flash-lite-tts zastąpił gemini-3.1-flash-tts-preview.
• Głos można było zreplikować na podstawie 30-sekundowej próbki oraz nagrania z ustną zgodą.
• Wynik zawierał znaki wodne SynthID i metadane C2PA.
• Modele obsługiwały ponad 100 języków, znaczniki ekspresji, takie jak znacznik śmiechu, oraz inscenizację dialogu dwóch mówców.
• Dziennik zmian wskazywał bibliotekę ponad 150 głosów, natomiast wpis na blogu Google o syntezie mowy Gemini 3.8 z 23 września 2026 r. podawał ponad 2000 gotowych do produkcji głosów, w porównaniu z 30 początkowymi.
• Google powoływał się na testy porównawcze Hume, w których model zajął 1. miejsce w Voice Design (71,4), z wynikiem 60,8 w modelowaniu akcentów, a w Overall Quality zajmował 1. i 2. pozycję.

Co to oznacza dla osób, które budują z AI

Programiści dostali produkcyjną syntezę mowy z własnymi i klonowanymi głosami oraz wbudowanymi mechanizmami zgody i pochodzenia. Replikacja głosu łączyła 30-sekundową próbkę z nagraniem ustnej zgody, a wygenerowana mowa zawierała znaki wodne SynthID i metadane C2PA.

Dostępność i dalsze kroki

Modele były dostępne w playgroundzie Google AI Studio oraz dla wszystkich w Gemini Notebook i Google Vids. Remiksowanie głosów zapowiedziano jako funkcję na późniejsze wydanie.

Źródła

• Gemini API changelog: September 22, 2026 (Google AI Studio (Gemini API changelog), 22 września 2026, oficjalne)
• Gemini 3.8 text-to-speech says hello (Google (The Keyword), 23 września 2026, oficjalne)

Tekst przygotowany z pomocą AI wyłącznie na podstawie źródeł wymienionych powyżej. Zanim trafił na stronę, przeszedł automatyczną kontrolę dat, źródeł i wszystkich wersji językowych.