Gemini 3.8 Flash TTS: diseñar voces con prompts de texto

Google convierte el TTS de un selector de presets en un estudio de voz. El 23 de septiembre de 2026 llegan Gemini 3.8 Flash TTS y Gemini 3.8 Flash-Lite TTS en un post de Google de Leland Rechis y Alan Cowen. Flash apunta a diseño de personajes; Flash-Lite a doblaje de volumen y agentes de voz.

Qué se puede hacer hoy

Flash TTS crea voces por prompt en más de 100 idiomas/dialectos y ofrece una biblioteca de más de 2.000 voces. La replicación reconstruye un perfil a partir de 30 segundos de una voz de la que se tienen derechos, con consentimiento verbal coincidente. Cada clip de Gemini Audio lleva SynthID. Escenas nativas a dos locutores.

• Flash: AI Studio, API Gemini, Gemini Enterprise, Gemini Notebook, Google Vids
• Flash-Lite: API y AI Studio ahora; Enterprise «próximamente»; Google Vids
• Límites geo de réplica: no en AI Studio en Illinois, Texas, EEE, Reino Unido, Suiza e India

Google cita Hume Voice Design 71,4 (#1): cifras publicadas por Google, no un laboratorio Rocks.

Flujo en Studio y socios

El playground de audio de AI Studio se presenta como un taller de diseño vocal: prompts de nuevas identidades o réplica (donde esté permitido), luego editor de guion a dos locutores. Burst vocales y backchanneling para textura conversacional. La familia Gemini Audio sigue a 3.5 Live Translate, 3.5 Transcribe, 3.8 Live y 3.8 Live Extended Thinking. Plataformas de desarrolladores citadas vía API Gemini: Agora, LiveKit, Pipecat, Vercel. Socios: Figma, HeyGen, Linguana, Wondercraft, 99.co, Ollang. Flash-Lite apunta a doblaje de volumen y agentes expresivos: descripción de producto Google, no un test de latencia Rocks.

Opinión Rocks

Lanzamiento fechado, consentimiento y marca de agua explícitos. El post no lista precios API. Fuente: Google.

Google describe el paso de unas 30 voces originales a una biblioteca «infinita» vía diseño generativo, con guardado de voces custom para limitar la deriva entre proyectos. Voice Arena sitúa a Flash y Flash-Lite arriba en preferencias humanas a ciegas en varias lenguas clave (japonés, portugués brasileño, vietnamita, árabe MSA, español mexicano, hindi): resultados publicados por Google. La model card y SynthID se citan para responsabilidad. La réplica vía AI Studio sigue explícitamente no disponible en Illinois, Texas, EEE, Reino Unido, Suiza e India.

Google no lista precios por millón de tokens en este anuncio; consultas de tarifa aparte en la documentación de la API Gemini.

FAQ

¿Clonar cualquier voz en 30 s? Hace falta consentimiento verbal del titular; la réplica está bloqueada en varias regiones.

¿Flash = Flash-Lite? No: creativo frente a volumen/coste.