Google révolutionne la synthèse vocale avec Gemini 3.8 TTS
Le géant technologique a dévoilé deux nouveaux modèles de conversion texte-parole : gemini-3.8-flash-tts et gemini-3.8-flash-lite-tts. Ces outils s’accompagnent d’une bibliothèque impressionnante de plus de 2000 voix, avec la possibilité inédite de créer une voix personnalisée à partir d’un simple échantillon audio de 30 secondes.
Une interface intuitive pour des conversations réalistes
Un développeur a mis en ligne un playground interactif permettant de composer des dialogues multilocuteurs. L’interface, connectée directement à l’API Gemini, offre des fonctionnalités avancées :
- Attribution de voix distinctes à chaque personnage
- Personnalisation du style de livraison (excité, calme, etc.)
- Organisation des répliques avec un système de drag-and-drop
L’outil permet également d’exporter le JSON des requêtes pour une utilisation ultérieure.
Des pelicans philosophes pour démonstration
Pour illustrer les capacités du système, un exemple amusant a été créé : une conversation entre deux pélicans débattant d’un éventuel déménagement vers la Pacifica Pier. Ce dialogue de 1 minute et 18 secondes a été généré en seulement 20 secondes, pour un coût de 2,74 cents (avec le modèle Flash TTS).
Implications pour les applications professionnelles
Cette technologie ouvre des perspectives intéressantes pour :
- La création de contenus audio dynamiques
- Les assistants vocaux personnalisés
- Le doublage automatisé de vidéos
Avec cette innovation, Google renforce sa position dans le domaine de l’intelligence artificielle conversationnelle.