Google ha comenzado a desplegar Gemini 3.8 Flash TTS y Flash-Lite TTS, dos modelos de texto a voz para producir audios m\u00e1s expresivos. La actualizaci\u00f3n incorpora clonaci\u00f3n de voz autorizada y herramientas para dirigir guiones con emociones, acentos y pausas.<\/p>\n
El objetivo es alejarse de la locuci\u00f3n sint\u00e9tica y acercarse a una interpretaci\u00f3n m\u00e1s natural. Los nuevos modelos permiten controlar ritmo, intenci\u00f3n y emoci\u00f3n con mayor precisi\u00f3n.<\/p>\n
Voces con m\u00e1s personalidad<\/strong><\/p>\n Gemini 3.8 Flash TTS puede generar voces originales a partir de descripciones realizadas en lenguaje natural. Tambi\u00e9n ofrece compatibilidad con m\u00e1s de 100 idiomas y dialectos y un cat\u00e1logo de m\u00e1s de 2.000 voces.<\/p>\n Una de las funciones m\u00e1s llamativas es la clonaci\u00f3n de voz. El sistema puede reconstruir una identidad vocal utilizando una muestra de aproximadamente 30 segundos, siempre que exista autorizaci\u00f3n para utilizarla. La voz puede mantenerse coherente durante grabaciones prolongadas, \u00fatil para podcasts, audiolibros, doblajes y agentes conversacionales.<\/p>\n Tambi\u00e9n facilita adaptar un contenido a diferentes mercados conservando una identidad vocal entre idiomas o dialectos.<\/p>\n Control sobre cada l\u00ednea del guion<\/strong><\/p>\n La actualizaci\u00f3n no se limita a elegir una voz. Los modelos permiten indicar c\u00f3mo debe interpretarse cada parte del texto mediante instrucciones espec\u00edficas.<\/p>\n El usuario puede solicitar cambios de dialecto, susurros, risas, pausas o modificaciones de tono. As\u00ed, una misma voz puede transmitir diferentes emociones seg\u00fan el contexto de cada frase. El resultado busca parecerse m\u00e1s a una interpretaci\u00f3n realizada por un actor que a una lectura autom\u00e1tica.<\/p>\n Puede resultar \u00fatil para creadores y desarrolladores que necesitan generar audio manteniendo una identidad sonora consistente.<\/p>\n Di\u00e1logos con dos voces<\/strong><\/p>\n Otra herramienta destacada permite generar conversaciones entre dos hablantes a partir de un \u00fanico guion. El sistema asigna una voz a cada personaje y mantiene esa identidad durante toda la escena.<\/p>\n Esto simplifica la producci\u00f3n de di\u00e1logos y puede reducir el trabajo de edici\u00f3n en v\u00eddeos, podcasts y contenidos educativos.<\/p>\n Google tambi\u00e9n destaca la consistencia vocal durante sesiones largas y traslada al audio parte de la evoluci\u00f3n de Gemini 3.8.<\/p>\n Resultados en las pruebas de Hume AI<\/strong><\/p>\n En los benchmarks de Hume AI, Gemini 3.8 Flash TTS obtuvo 60,8 puntos en el Voice Design Benchmark dentro de la prueba de acentos. Adem\u00e1s, Flash y Flash-Lite ocuparon las dos primeras posiciones del \u00edndice general de calidad de ese test.<\/p>\n Los modelos tambi\u00e9n aparecen entre los primeros puestos de Voice Arena en varios idiomas. Sin embargo, ElevenLabs contin\u00faa por delante en las categor\u00edas de calidad vocal individual y variaci\u00f3n humana de Hume AI.<\/p>\n Estas mediciones sirven como referencia, aunque la elecci\u00f3n tambi\u00e9n depende del idioma, el contenido y el nivel de control requerido.<\/p>\n Disponibilidad y medidas de seguridad<\/strong><\/p>\n Para usuarios habituales, Flash TTS ya est\u00e1 disponible en Gemini Notebook, mientras que Flash-Lite TTS llega a Google Vids. Los desarrolladores pueden acceder a ambos modelos mediante la API de Gemini y Google AI Studio.<\/p>\n Google tambi\u00e9n ha incorporado medidas espec\u00edficas para controlar la replicaci\u00f3n de voces. Exige verificar el consentimiento, a\u00f1ade marcas de agua SynthID y credenciales C2PA, y limita la clonaci\u00f3n en AI Studio en determinados mercados.<\/p>\n Con estas herramientas, la generaci\u00f3n de voz mediante IA avanza hacia un modelo en el que no solo importa qu\u00e9 dice una voz, sino tambi\u00e9n c\u00f3mo lo dice. Para creadores, esa diferencia puede convertir el audio generado en una herramienta m\u00e1s flexible para producir contenidos, di\u00e1logos y versiones multiling\u00fces.<\/p>\n","protected":false},"excerpt":{"rendered":" Google ha comenzado a desplegar Gemini 3.8 Flash TTS y Flash-Lite TTS, dos modelos de texto a voz para producir audios m\u00e1s expresivos. La actualizaci\u00f3n incorpora clonaci\u00f3n de voz autorizada y herramientas para dirigir guiones con emociones, acentos y pausas. El objetivo es alejarse de la locuci\u00f3n sint\u00e9tica y acercarse a una interpretaci\u00f3n m\u00e1s natural. […]<\/p>\n","protected":false},"author":1,"featured_media":434226,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[46],"tags":[],"class_list":["post-434225","post","type-post","status-publish","format-standard","has-post-thumbnail","category-ciencia-computacion"],"acf":{"antetitulo":""},"yoast_head":"\n