Google hat zwei neue TTS-Modelle (Gemini 3.8 Flash TTS und Flash-Lite TTS) vorgestellt, die hochwertige Sprachausgabe in über 100 Sprachen ermöglichen. Die Systeme können Stimmen per Textbeschreibung erstellen, unterstützen Regieanweisungen pro Dialogzeile und ermöglichen Stimmreplikation aus nur 30-Sekunden-Audioproben. Mit einem neuen Zwei-Stimmen-Modus wird kreative Audioproduktion deutlich vereinfacht – eine Entwicklung, die Hörbuch-, Game- und Podcast-Produktion grundlegend verändern könnte. Das ist Teil von Googles breiterem Vorstoß in Multimodal-KI und konkurriert mit anderen Audiomodellen am Markt.
