Gemini 3.8 TTS: Googels expressive Sprachgenerierung erreicht Benchmark-Spitze

Mit Gemini 3.8 Flash TTS und Gemini 3.8 Flash-Lite TTS bringt Google seine nach eigener Aussage ausdrucksstärksten Audio-Generationsmodelle an den Start. Das Ziel: ein komplettes Tonstudio, gesteuert über einfache natürliche Sprache.

Stimmen erschaffen und Regie führen

• Custom Voices: Charakterstimmen von Grund auf oder als Replikation existierender Stimmen — per einfacher Beschreibung
• Zeile für Zeile: Pacing, Emotion und sogar realistische Gesprächsgeräusche lassen sich vorgeben
• Skalierung: Von 30 Originalstimmen zu einer unbegrenzten Library — für Hörbücher, Podcasts, Dubbing oder Echtzeit-Voice-Agents

Im Vergleich zu Gemini 3.1 Flash TTS verbessert das Modell vor allem Long-Form-Inhalte und die Steuerung von Zwei-Personen-Dialogen nach Drehbuch. Auf Hume AIs Voice Design Benchmark sichert sich das Modell Platz 1 (71,4 Punkte), ebenfalls führend im Accent Modeling (60,8).

Sicherheit eingebaut

Google betont Watermarking und strenge Safeguards rund um Consent und Identitätsschutz für Voice-Talent — generiertes Audio soll erkennbar und Stimmen nicht missbrauchbar bleiben. Verfügbar sind die Modelle über AI Studio, Gemini API, Gemini Enterprise, Gemini Notebook und Google Vids.

Mehr dazu: Google Blog