La recherche en IA te passionne ?
Les papers et avancées qui comptent, expliqués simplement, chaque soir. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Gemini 3.1 Flash TTS : un pas en avant dans la synthèse vocale
Google dévoile aujourd'hui Gemini 3.1 Flash TTS, une avancée majeure dans le domaine de la synthèse vocale. Ce nouveau modèle promet une qualité et une expressivité accrues, offrant aux développeurs, entreprises et utilisateurs quotidiens la possibilité de créer des applications vocales de nouvelle génération. Dès aujourd'hui, Gemini 3.1 Flash TTS est accessible en avant-première via l'API Gemini et Google AI Studio pour les développeurs, ainsi que sur Vertex AI pour les entreprises. Les utilisateurs de Workspace peuvent également en bénéficier via Google Vids.
Performances et contrôlabilité accrues
Le modèle Gemini 3.1 Flash TTS se distingue par une amélioration notable de la qualité de la parole, le rendant plus naturel et expressif que ses prédécesseurs. Il a obtenu un score Elo de 1 211 sur le classement Artificial Analysis TTS, un benchmark qui évalue les préférences humaines. Ce modèle se positionne dans le « quadrant le plus attractif » grâce à son équilibre entre haute qualité de discours et coût réduit. Il supporte plus de 70 langues et offre un contrôle créatif détaillé grâce au langage naturel. De plus, il se distingue par son dialogue multi-intervenants natif, permettant des interactions plus fluides et naturelles entre plusieurs personnages.
Introduction des tags audio pour une expressivité renforcée
Une des innovations majeures de Gemini 3.1 Flash TTS est l'introduction de tags audio. Ces outils permettent de contrôler intuitivement le style vocal, le rythme et la livraison du discours. En intégrant des commandes en langage naturel dans le texte, les utilisateurs peuvent affiner la sortie vocale avec une précision inédite. Les développeurs peuvent expérimenter ces tags et d'autres fonctionnalités dans Google AI Studio, avec des contrôles configurables qui les placent dans le rôle de réalisateur.
Fonctionnalités avancées pour les développeurs
- Direction de scène : Permet de définir l'environnement et de fournir des instructions de dialogue spécifiques, aidant les personnages à interagir naturellement.
- Spécificité au niveau des intervenants : Grâce à des Profils Audio uniques et des Notes du Réalisateur, les développeurs peuvent ajuster le rythme, le ton et l'accent des personnages.
- Exportation fluide : Les paramètres peuvent être exportés sous forme de code API Gemini, garantissant une cohérence vocale à travers divers projets.
Une portée mondiale avec plus de 70 langues
Gemini 3.1 Flash TTS est conçu pour fonctionner à l'échelle mondiale, offrant une synthèse vocale de haute fidélité dans plus de 70 langues. Les optimisations permettent un contrôle avancé du style, du rythme et de l'accent, facilitant la création d'expériences vocales localisées et expressives. Les premiers utilisateurs, qu'ils soient développeurs ou entreprises, soulignent déjà l'impact positif de ces innovations, notamment grâce aux tags audio qui transforment un texte en une performance vocale riche.
Sécurité renforcée avec SynthID
Tous les contenus audio générés par Gemini 3.1 Flash TTS sont dotés d'un filigrane SynthID. Ce filigrane imperceptible, intégré directement dans l'audio, permet de détecter de manière fiable le contenu généré par IA, contribuant ainsi à la prévention de la désinformation.
