2000-ലധികം ശബ്ദങ്ങളും 100 ലധികം ഭാഷകളും; ‘ജെമിനി 3.8 ഫ്ലാഷ് TTS’ വോയ്സ് മോഡലുകളുമായി ഗൂഗിൾ
ടെക്സ്റ്റ്-ടു-സ്പീച്ച് (TTS) മോഡലുകളായ ‘ജെമിനി 3.8 ഫ്ലാഷ് TTS’ (Gemini 3.8 Flash TTS), ‘ജെമിനി 3.8 ഫ്ലാഷ്-ലൈറ്റ് TTS’ (Gemini 3.8 Flash-Lite TTS) എന്നിവ ഗൂഗിൾ അവതരിപ്പിച്ചു.
നൂറിലധികം ഭാഷകളിൽ 2000-ത്തിലധികം റെഡി-ടു-യൂസ് ശബ്ദങ്ങൾ നൽകുന്നതിനൊപ്പം, പുതിയ കസ്റ്റം വോയ്സുകൾ നിർമ്മിക്കാനും സ്വാഭാവിക ഭാവങ്ങൾ ശബ്ദത്തിൽ കൂട്ടിച്ചേർക്കാനും ഈ സാങ്കേതികവിദ്യയ്ക്ക് സാധിക്കും.
ജെമിനി 3.8 ഫ്ലാഷ് TTS (Gemini 3.8 Flash TTS)
ആനിമേഷൻ, ഗെയിമിംഗ്, ഓഡിയോ ബുക്കുകൾ, പോഡ്കാസ്റ്റുകൾ എന്നിവയ്ക്ക് അനുയോജ്യമായ പ്രൊഫഷണൽ ക്വാളിറ്റിയുള്ള വോയ്സുകൾ നിർമ്മിക്കാം. ഓരോ വരികളും ഏത് ടോണിലും ഡെലിവറിയിലും പറയണമെന്ന് ക്രിയേറ്റർമാർക്ക് നേരിട്ട് നിയന്ത്രിക്കാം (Direct delivery).
ജെമിനി 3.8 ഫ്ലാഷ്-ലൈറ്റ് TTS (Gemini 3.8 Flash-Lite TTS)
സന്ദർഭത്തിനനുസരിച്ച് ശബ്ദത്തിന്റെ ടോണും വേഗതയും (Pacing) സ്വയം ക്രമീകരിക്കാൻ ഇതിന് ശേഷിയുണ്ട്. തത്സമയ വോയ്സ് ഏജന്റുകൾക്കും, വീഡിയോ ഡബ്ബിംഗിനും, ബൾക്ക് ഓഡിയോ പ്രൊഡക്ഷനും അനുയോജ്യമാണിത്.
തടസ്സങ്ങളോ സാങ്കേതിക തരാറുകളോ ഇല്ലാതെ മണിക്കൂറുകളോളം നീളുന്ന ഓഡിയോ തുടർച്ചയായി റെൻഡർ ചെയ്യാൻ ഈ മോഡലുകൾക്ക് സാധിക്കും. വോയ്സ് ഓവർ ആർട്ടിസ്റ്റുകൾക്കും എഐ ഫിലിം മേക്കർമാർക്കും കണ്ടന്റ് ക്രിയേറ്റർമാർക്കും പോസ്റ്റ്-പ്രൊഡക്ഷൻ ജോലികൾ കൂടുതൽ എളുപ്പമാക്കാൻ ഈ അപ്ഡേറ്റ് സഹായിക്കും.
Summary: Google has launched Gemini 3.8 Flash TTS and Gemini 3.8 Flash-Lite TTS, providing access to over 2,000 preset voices and custom voice generation across 100+ languages. While Flash TTS targets high-fidelity creative audio like gaming and podcasts with line-by-line directorial control and expressive cues, Flash-Lite TTS delivers cost-effective, scalable performance for real-time voice agents and large-scale automated dubbing.