قدمت Google DeepMind Gemini 3.8 Flash TTS وGemini 3.8 Flash-Lite TTS، نماذج تحويل نص إلى كلام جديدة مصممة لتقديم توليف صوتي طبيعي وتعبيري لمجموعة واسعة من التطبيقات.
يستهدف نموذج Flash TTS توليد صوت عالي الجودة مع زمن انتقال منخفض، مما يجعله مناسباً للذكاء الاصطناعي المحادث في الوقت الفعلي، وأدوات إمكانية الوصول، وإنشاء المحتوى. يقدم متغير Flash-Lite خياراً أصغر وأكثر كفاءة للتطبيقات التي تعطي الأولوية للسرعة والتكلفة على أقصى دقة.
تمثل هذه النماذج دفعة Google لجعل ذكاء الصوت أكثر سهولة وطبيعية. تهدف التكنولوجيا إلى تقليل الجودة الروبوتية التي طالما ابتلت بها أنظمة تحويل النص إلى كلام، بدلاً من إنتاج أصوات تلتقطintonation الطبيعي، والإيقاع، والتعبير العاطفي.
يأتي الإصدار في الوقت الذي تشتد فيه المنافسة في مساحة ذكاء الصوت. كانت Openالذكاء الاصطناعي وElevenLabs ولاعبون آخرون يتسابقون لتقديم توليف كلام أكثر شبيهاً بالبشر. تكمن ميزة Google في نطاقها الهائل وتكاملها مع الخدمات الحالية — يمكن نشر Gemini TTS عبر Google Cloud وAndroid ومنتجات المستهلك.
بالنسبة للمطورين، النماذج متاحة عبر Google الذكاء الاصطناعي Studio وVertex الذكاء الاصطناعي. تدعم التكنولوجيا لغات وأصوات متعددة، مع خيارات تخصيص للنبرة والإيقاع والأسلوب. تشمل التطبيقات المبكرة المساعدين الافتراضيين، وسرد الكتب الصوتية، وميزات إمكانية الوصول، والترفيه التفاعلي.
يشير الإطلاق إلى التزام Google بجعل الصوت وسيلة من الدرجة الأولى في عصر الذكاء الاصطناعي، وليس فكرة متأخرة. مع becoming وكلاء الذكاء الاصطناعي أكثر محادثة واستمرارية، يصبح توليف الصوت الطبيعي حاسماً لتجربة المستخدم.