Google şirkəti 23 sentyabr 2026-cı il tarixində süni intellekt əsaslı nitq sintezi sahəsində iki yeni modelini — "Gemini 3.8 Flash TTS" və "Gemini 3.8 Flash-Lite TTS"-i təqdim edib. Bu yeniliklər səs generasiyasını sadə variantlardan çıxararaq, podkastlar, oyunlar və audio kitablar üçün daha çevik və ifadəli bir alətə çevirir. Yeni modellər istifadəçilərə öz səslərini yaratmaq və nitqin intonasiyasını detallı şəkildə idarə etmək imkanı verir.
Bu texnologiya hansı imkanları təqdim edir?
"Gemini 3.8 Flash TTS" modeli xüsusilə personajların yaradılması və onların səslərinin dəqiq tənzimlənməsi üçün nəzərdə tutulub. İstifadəçilər 100-dən çox dil və dialektdə aktyorluq, vurğu və xüsusi səs xüsusiyyətlərini mətn sorğuları vasitəsilə təyin edə bilərlər. Kitabxanada 2000-dən çox hazır səs mövcuddur və sistem 30 saniyəlik audio yazısı əsasında səs klonlama funksiyasını da dəstəkləyir. Təhlükəsizlik məqsədilə sistem səs sahibinin razılığını yoxlayır və yaradılan audionu "SynthID" filiqranı ilə qoruyur.
Performans və inteqrasiya imkanları
Yeni modellər Hume AI-ın "Voice Design" bençmarkında 71,4 bal toplayaraq liderlik edib. "Gemini 3.8 Flash-Lite TTS" isə daha çox dublyaj və İİ-agentlərin kütləvi tətbiqi kimi genişmiqyaslı layihələr üçün optimallaşdırılıb. Hazırda bu texnologiyalar "Google AI Studio" və "Gemini API" vasitəsilə əlçatandır, həmçinin "Agora", "LiveKit", "Pipecat" və "Vercel" platformaları ilə inteqrasiya olunub.
