Oggi annunciamo miglioramenti significativi ai nostri modelli di sintesi vocale (TTS) di anteprima Gemini 2.5 Flash e Gemini 2.5 Pro.
I miglioramenti principali includono:
- Maggiore espressività: Versatilità tonale più ricca e aderenza più rigorosa ai prompt di stile.
- Ritmo preciso: Regolazioni intelligenti della velocità in base al contesto e migliore seguimento delle istruzioni.
- Dialoghi fluidi: Voci dei personaggi coerenti in scenari con più parlanti.
Questi modelli sostituiranno i nostri modelli TTS rilasciati a maggio. Puoi iniziare a creare app con il vibe coding in Google AI Studio ed esplorare le capacità dei modelli oggi stesso nel Playground.
Nuovi modelli TTS Flash e Pro
Molti sviluppatori si affidano alla sintesi vocale per generare contenuti di alta fedeltà che richiedono un controllo granulare su stile, tono, ritmo e accenti, dagli audiolibri lunghi ai moduli di e-learning localizzati. Casi d'uso come tutorial sui prodotti, video di marketing o contenuti per creator richiedono spesso anche interazioni con più voci e pronunce tecniche affidabili.
Per soddisfare queste esigenze, lanciamo aggiornamenti sia per l'anteprima di Gemini 2.5 Flash TTS (ottimizzata per bassa latenza) sia per l'anteprima di Gemini 2.5 Pro TTS (ottimizzata per la qualità).
Maggiore versatilità di stile e tono
Che tu stia creando un personaggio per un gioco di ruolo, un assistente virtuale utile o un narratore drammatico, la voce deve adattarsi al ruolo. I nostri modelli TTS Gemini sono ora molto più espressivi e si allineano molto più strettamente alle istruzioni specifiche fornite nel prompt di stile, migliorando notevolmente l'aderenza al ruolo. Puoi richiedere un tono specifico, da "allegro e ottimista" a "cupo e serio", e il modello fornirà una performance che sembra autentica per quell'istruzione.
Esplora la gamma di stili del modello TTS Gemini 2.5 in azione nella nostra app demo Synergy Intro.
Controllo del ritmo sensibile al contesto
Per creare schemi di parlato naturali, il ritmo è un elemento cruciale: una battuta ha bisogno di tempismo, una spiegazione complessa di spazio per respirare e una sequenza d'azione di velocità. Abbiamo perfezionato la capacità del modello di regolare il ritmo in base al contesto del messaggio, permettendogli di rallentare naturalmente per enfatizzare o accelerare per l'eccitazione. Inoltre, abbiamo migliorato il controllo del ritmo, il che significa che il modello ora segue le tue istruzioni esplicite relative al ritmo con una fedeltà molto maggiore.
Ascolta come il modello regola il suo ritmo in base alle istruzioni:
"Stile: Sei un narratore per un romanzo giallo. Inizia con un tono nervoso che accelera fino a diventare eccitazione e sollievo"
Testo: "Ho provato ad aprire la porta lentamente. Mi sono agitato nervosamente... Niente... respirando profondamente, ho provato una seconda volta. Click, sono entrato! Non ci posso credere, ci sono davvero riuscito!"
Migliorate capacità per più parlanti
Per casi d'uso come podcast, interviste simulate o narrazioni con più personaggi, creare dialoghi realistici con identità distinte è fondamentale. Abbiamo perfezionato i modelli per mantenere voci coerenti dei personaggi e gestire il "passaggio" tra parlanti in modo più naturale durante gli scambi.
Abbiamo anche migliorato le capacità multilingue del nostro modello, in modo che possa preservare il tono unico, l'intonazione e lo stile di ogni personaggio durante tutta la conversazione in tutte le 24 lingue supportate.
Esplora le capacità multilingue e multi-parlante del modello nella nostra app demo Voci dalla Storia.
Cosa dicono i clienti
I partner stanno già vedendo l'impatto di questi miglioramenti in produzione.
Wondercraft, una piattaforma audio AI, utilizza Gemini TTS per costruire due delle sue funzionalità più importanti: Convo Mode, che permette a chiunque di creare conversazioni realistiche con più parlanti con controllo sul ritmo e sulla consegna, e Director Mode, che offre un controllo preciso su pronunce, intonazione e segnali non verbali, rendendo le modifiche senza sforzo.
"Gemini TTS è stata la chiave per portare Wondercraft dalle demo a reali casi d'uso di produzione. I clienti hanno sempre desiderato un parlato più naturale, e i motori TTS tradizionali non erano all'altezza. Da quando abbiamo adottato Gemini TTS, gli abbonamenti sono aumentati del 20%, l'abbandono nel primo mese è diminuito del 20% e i nostri costi sono calati del 20%."
Youssef Rizk, Fondatore @ Wondercraft
Toonsutra dà vita alle loro storie con voci fuori campo cinematografiche per personaggi e video pubblicitari promozionali, affidandosi a Gemini TTS per la sua capacità di gestire lingue diverse e sfumature dei personaggi.
"Generiamo audio per i personaggi in base al loro contesto all'interno di un pannello a fumetti e della storia generale. Questo include l'adattamento di tono, intonazione e accento per ogni personaggio per rendere l'esperienza il più immersiva possibile. Attualmente, lo stiamo facendo sia per fumetti in inglese che in hindi, dove abbiamo trovato la coerenza del tono del personaggio e la qualità eccezionali."
Vishal Anand, CEO @ Toonsutra
Inizia oggi
I modelli TTS Gemini 2.5 Flash e 2.5 Pro sono disponibili tramite l'API Gemini in Google AI Studio. Leggi la nostra documentazione per sviluppatori, esplora la guida ai prompt o dai un'occhiata al Gemini API Cookbook per iniziare.
