Google yangi avlod Gemini 3.8 matndan nutq yaratish (TTS) modellarini taqdim etdi

Google sun’iy intellekt asosidagi audio vositalar oilasini sezilarli darajada kengaytirib, yangi Gemini 3.8 Flash TTS va Gemini 3.8 Flash-Lite TTS modellarini ishga tushirdi. Ushbu modellar an’anaviy statik ovoz shablonlaridan farqli o‘laroq, foydalanuvchilar va dasturchilarga matnli ko‘rsatmalar asosida mutlaqo yangi vokal xarakterlar yaratish hamda ovoz ohangini, urg‘usini va his-tuyg‘ularini to‘liq boshqarish imkoniyatini taqdim etadi.

Kompaniya ma’lumotlariga ko‘ra, Gemini 3.8 Flash TTS modeli Hume AI kompaniyasining Voice Design reytingida 71.4 ball bilan umumiy birinchi o‘rinni, shuningdek, aksent modellashtirish bo‘yicha 60.8 ball bilan yetakchilikni qo‘lga kiritdi. Model ikki suhbatdosh ishtirokidagi ssenariyli dialoglarni tabiiy tanaffuslar va navbat almashishlar bilan mukammal ijro eta oladi. Tizim 100 dan ortiq xalqaro tillarda yuqori sifatli nutq hosil qilishga mo‘ljallangan.

Ovozdan noqonuniy foydalanish va dezinformatsiyaning oldini olish maqsadida Google qat’iy xavfsizlik choralarini joriy qildi. Ovozni klonlash funksiyasidan foydalanish uchun ovoz egasining og‘zaki rozilik yozuvi talab etiladi. Bundan tashqari, modellar orqali yaratilgan har bir audio faylga inson qulog‘iga eshitilmaydigan SynthID raqamli suv belgisi kiritiladi, bu esa audioning sun’iy intellekt tomonidan yaratilganini aniqlash imkonini beradi.

Yangi nutq modellari Google AI Studio, Gemini API, Gemini Enterprise, Gemini Notebook va Google Vids platformalarida ishga tushirildi. Shuningdek, mazkur texnologiya Agora, LiveKit, Pipecat, Vercel kabi dasturchilar platformalarida hamda Figma, HeyGen, Wondercraft kabi hamkor kompaniyalar xizmatlarida joriy etilmoqda.