Google vient de lancer Gemini 3.8 Flash TTS, un modèle dédié à la génération vocale expressive et personnalisable. À ses côtés, la firme lève aussi le voile sur Gemini 3.8 Flash-Lite TTS qui cible la production audio à grande échelle avec une approche plus légère et économique.
Gemini 3.8 Flash TTS vise les créateurs et les développeurs qui veulent concevoir des voix IA personnalisées avec un contrôle précis sur le ton, le rythme et l’interprétation. Gemini 3.8 Flash-Lite TTS cible plutôt les usages à grande échelle, comme le doublage, les contenus audio et les agents vocaux.
Avec ces deux modèles, Google cherche à rendre ses voix artificielles plus naturelles et expressives. L’idée est de dépasser la simple lecture de texte pour créer des performances vocales capables de transmettre une intention, une émotion et une véritable identité.
Gemini 3.8 Flash TTS donne une vraie direction aux voix IA
La principale nouveauté tient au contrôle. Google permet de décrire une voix avec des instructions en langage naturel. Un accent précis, un ton énergique ou une voix métallique deviennent ainsi des paramètres exploitables. Le modèle couvre plus de 100 langues et dialectes. Sa bibliothèque propose aussi plus de 2 000 voix prêtes à produire.
Par ailleurs, la copie vocale ajoute une autre possibilité. Gemini 3.8 Flash TTS de Google peut recréer un profil vocal depuis un échantillon de 30 secondes. La firme de Mountain View exige toutefois une vérification vocale du consentement.
Le modèle pousse surtout la mise en scène. Chaque phrase peut recevoir ses propres indications de rythme, d’émotion ou de jeu. Un script peut ainsi demander un murmure, un rire, un soupir ou une réaction courte.
Le système gère aussi les échanges entre deux personnages depuis un seul scénario. Cette précision rapproche la synthèse vocale des outils de production audio. Le créateur ne choisit plus seulement une voix. Il dirige sa prestation.
Google cherche sa place face aux experts
Google ne cantonne pas ces modèles vocaux au doublage. Les agents vocaux peuvent gagner en naturel grâce aux pauses, réactions et changements de ton. L’entreprise cible donc les assistants, le service client et les interfaces vocales. Gemini 3.8 Flash-Lite TTS vise surtout les gros volumes, comme le doublage et les contenus audio.
Google sépare la créativité avancée du besoin de production à grande échelle. Le secteur dispose déjà d’acteurs spécialisés dans la voix. Cette nouvelle offre place donc la firme face à une concurrence bien installée.
Les premiers chiffres fournis par Google cherchent justement à marquer cette arrivée. Gemini 3.8 Flash TTS obtient 71,4 au benchmark Voice Design de Hume AI. Il atteint aussi 60,8 pour la modélisation des accents.
Google affirme aussi que Flash TTS et Flash-Lite occupent les deux premières places du classement global de qualité Hume AI. Ces résultats viennent toutefois de benchmarks cités par Google. Ils méritent donc une lecture prudente.
La voix IA devient un outil de création
Le changement le plus intéressant avec ces nouveaux modèles concerne peut-être le workflow. Un créateur peut concevoir une voix, écrire une scène, puis diriger chaque passage.
Google propose déjà cette expérience dans AI Studio. Gemini 3.8 Flash TTS arrive aussi dans l’API Gemini et Gemini Notebook. Flash-Lite arrive dans les mêmes outils et Google Vids. Cette intégration réduit la distance entre génération de texte et production audio. Un studio réduit peut ainsi produire plusieurs personnages sans enregistrer chaque réplique.
Cependant, cette puissance soulève une question plus délicate. Reproduire une voix en 30 secondes facilite aussi les usages abusifs. Heureusement, Google mise sur le consentement vérifié et le filigrane SynthID pour limiter ce risque. Ces protections ne suppriment pas toutes les difficultés liées à l’identité vocale.
Alors, comment tester ces voix IA de Google ? Comme cité plus haut, Google ouvre Gemini 3.8 Flash TTS et Gemini 3.8 Flash-Lite TTS dans Google AI Studio. Il suffit de choisir une voix ou d’en créer une avec une consigne en langage naturel. Vous pouvez ensuite écrire un script et ajuster le ton, le rythme ou les réactions.
- Partager l'article :
