กูเกิล Gemini 3.8 TTS: ตัวอย่างเสียง 30 วินาทีก็สามารถโคลนเสียงได้

ดงฉา Beating ข่าวด่วน AI กูเกิลเปิดตัว Gemini 3.8 Flash TTS และ Flash-Lite TTS โมเดลแปลงข้อความเป็นเสียงสองรุ่นเปิดให้ใช้งานแล้วบน Gemini API และ Google AI Studio โดย Flash เน้นคุณภาพเสียง การแสดงออกของตัวละคร และความเสถียรของข้อความยาว ส่วน Lite เน้นปริมาณการประมวลผลสูง ความหน่วงต่ำ และต้นทุนต่ำ

ทั้งสองโมเดลสามารถออกแบบเสียงใหม่ได้โดยตรงด้วยข้อความ และยังสามารถโคลนเสียงของตนเองหรือเสียงที่ได้รับอนุญาตโดยใช้เสียงตัวอย่างประมาณ 30 วินาที ผู้ใช้สามารถควบคุมอารมณ์ จังหวะ และสำเนียงแบบประโยคต่อประโยค อีกทั้งยังแทรกเสียงหัวเราะ ถอนหายใจ ไอ และอื่นๆ ได้ บทสนทนาสองคนก็สามารถสร้างได้โดยตรงจากบทเดียว Flash รองรับ 130 ภาษา ส่วน Lite รองรับ 101 ภาษา

ราคายังต่ำกว่ารุ่นก่อนหน้า ถึงวันที่ 31 ธันวาคม 2026 เอาต์พุตเสียงของ Flash อยู่ที่ 9 ดอลลาร์ต่อล้านโทเคน ส่วน Lite อยู่ที่ 6 ดอลลาร์ ขณะที่รุ่นก่อนหน้าอย่าง Gemini 3.1 Flash TTS Preview อยู่ที่ 20 ดอลลาร์ ตั้งแต่วันที่ 1 มกราคม 2027 ราคามาตรฐานของทั้งสองรุ่นจะปรับขึ้นเป็น 18 ดอลลาร์และ 12 ดอลลาร์