Google ra mắt bộ đôi mô hình chuyển văn bản thành giọng nói Gemini 3.8-flash-tts và flash-lite-tts

Công cụ Gemini 3.8 TTS Playground — Kiểm tra và thử nghiệm API chuyển văn bản thành giọng nói (text-to-speech) Gemini 3.8 của Google thông qua một môi trường tương tác, nơi bạn có thể soạn thảo lời dẫn đơn thoại hoặc hội thoại đa nhân vật, xem trước âm thanh được tạo và khám phá chi tiết yêu cầu và phản hồi. Lưu các thiết lập soạn thảo của bạn thành các URL có thể đánh dấu để dễ dàng chia sẻ và tạo ra bản tổng hợp giọng nói chất lượng cao được hỗ trợ bởi khóa API Gemini của bạn.

Google đã phát hành hai mô hình Gemini text-to-speech mới vào hôm nay - gemini-3.8-flash-tts và gemini-3.8-flash-lite-tts.

Chúng đi kèm với thư viện hơn 2.000 giọng nói, cùng khả năng tạo giọng nói tùy chỉnh chỉ với "30 giây mẫu âm thanh của bạn hoặc giọng nói mà bạn có quyền sử dụng".

Tôi đã "vibe coded" giao diện playground sử dụng khóa cá nhân này với GPT-6 Astra, tận dụng chính sách CORS mở của API Gemini nền tảng.

Một tính năng đáng chú ý của API này là giúp dễ dàng định nghĩa một cuộc hội thoại đầy đủ giữa nhiều nhân vật, mỗi nhân vật có giọng nói và hướng dẫn phong cách giọng nói khác nhau.

Đây là một đoạn demo ngắn về cuộc trò chuyện giữa hai chú bồ nông đang tranh luận xem liệu chúng có nên chuyển đến Cầu tàu Pacifica hay không. Tôi đã nhờ Claude 4.5 Opus viết kịch bản và tạo một URL để kết xuất nó bằng công cụ này.

Trình duyệt của bạn không hỗ trợ phần tử âm thanh.

Mất khoảng 20 giây để tạo ra 1 phút 18 giây âm thanh bằng Gemini 3.8 Flash TTS (không phải bản Flash-Lite rẻ hơn), với chi phí là 2,74 cent.