Google présente deux modèles de synthèse vocale

OOndine

Google présente mercredi Gemini 3.8 Flash TTS et Gemini 3.8 Flash-Lite TTS, deux modèles de synthèse vocale, selon The Decoder. Le premier vise notamment les usages créatifs et permet de fabriquer une voix à partir d’une description textuelle qui précise son rôle, son accent ou ses caractéristiques vocales. Le second est conçu pour produire de la parole à moindre coût et à grande échelle, tandis que les deux modèles prennent en charge plus de 100 langues. Ils peuvent aussi suivre des indications de jeu pour chaque réplique, générer un dialogue à deux voix depuis un seul script et ajouter des sons comme des rires ou des soupirs. Google propose en parallèle plus de 2 000 voix préréglées, et un outil de clonage peut créer un profil à partir d’un échantillon vocal de 30 secondes. Pour ce clonage, Google exige que la personne concernée enregistre un consentement oral et que sa voix corresponde à l’échantillon utilisé. L’entreprise indique enfin que les extraits générés portent un filigrane SynthID inaudible ; les modèles sont accessibles via Gemini API et Google AI Studio. Un accès par Gemini Enterprise API doit suivre, et Google a aussi annoncé Voice Remixing, une fonction destinée à modifier le timbre, la hauteur, le tempo et l’accent des voix préréglées, mais qui n’est pas encore disponible.