Bugün, Gemini 2.5 Flash ve Gemini 2.5 Pro Metin-Konuşma (TTS) önizleme modellerimize önemli iyileştirmeler getirdiğimizi duyuruyoruz.
Başlıca iyileştirmeler şunları içeriyor:
- Gelişmiş ifade gücü: Daha zengin ton çeşitliliği ve stil yönergelerine daha sıkı bağlılık.
- Hassas tempo: Daha akıllı bağlam tabanlı hız ayarlamaları ve daha iyi yönerge takibi.
- Kesintisiz diyalog: Çoklu konuşmacı senaryolarında tutarlı karakter sesleri.
Bu modeller, Mayıs ayında yayınladığımız TTS modellerimizin yerini alacak. Google AI Studio üzerinde vibe coding uygulamaları geliştirmeye başlayabilir ve model yeteneklerini bugün Playground alanında keşfedebilirsiniz.
Yeni TTS Flash ve Pro Modelleri
Birçok geliştirici, uzun biçimli sesli kitaplardan yerelleştirilmiş e-öğrenme modüllerine kadar stil, ton, tempo ve aksan üzerinde ayrıntılı kontrol gerektiren yüksek kaliteli içerik üretmek için metin-konuşma teknolojisine güveniyor. Ürün eğitimleri, pazarlama videoları veya içerik üreticisi prodüksiyonları gibi kullanım durumları genellikle birden fazla ses etkileşimi ve güvenilir teknik telaffuzlar gerektirir.
Bu ihtiyaçları karşılamak için, hem Gemini 2.5 Flash TTS önizlemesinde (düşük gecikme süresi için optimize edilmiş) hem de Gemini 2.5 Pro TTS önizlemesinde (kalite için optimize edilmiş) güncellemeler yayınlıyoruz.
Gelişmiş Stil ve Ton Çeşitliliği
İster bir rol yapma oyunu karakteri, ister yardımsever bir sanal asistan, isterse de dramatik bir anlatıcı oluşturuyor olun, sesin role uyması gerekir. Gemini TTS modellerimiz artık çok daha etkileyici ve stil yönergenizde sağlanan belirli talimatlarla çok daha yakından uyumlu hale gelerek rol uyumunu önemli ölçüde artırıyor. "Neşeli ve iyimser"den "kasvetli ve ciddi"ye kadar belirli bir ton talep edebilirsiniz ve model bu talimata uygun, doğal hissettiren bir performans sunar.
Gemini 2.5 TTS modelinin çeşitli stillerini Synergy Intro demo uygulamamızda keşfedin.
Bağlam Tabanlı Hız Kontrolü
Doğal konuşma kalıpları oluşturmak için hızlandırma kritik bir unsurdur: bir şaka zamanlama gerektirir, karmaşık bir açıklama nefes almaya ihtiyaç duyar ve bir aksiyon sekansının hızlanması gerekir. Modelin, mesajın bağlamına göre hızını ayarlama yeteneğini geliştirdik; böylece vurgu yapmak için doğal olarak yavaşlayabilir veya heyecan için hızlanabilir. Ayrıca, hız kontrolünü iyileştirdik, yani model artık hızla ilgili açık talimatlarınızı çok daha yüksek bir doğrulukla takip ediyor.
Modelin talimatlara göre hızını nasıl ayarladığını dinleyin:
"Stil: Bir gizem romanı için hikaye anlatıcısısın. Heyecana ve rahatlamaya dönüşen gergin bir tonda başla."
Metin: "Kapıyı yavaşça açmayı denedim. Sinirli bir şekilde kurcaladım... Hiçbir şey... derin bir nefes alarak ikinci kez denedim. Klik, içeri girdim! İnanamıyorum, gerçekten içeri girdim!"
Gelişmiş Çoklu Konuşmacı Yetenekleri
Podcast'ler, simüle edilmiş röportajlar veya çok karakterli anlatımlar gibi kullanım durumlarında, farklı kimliklere sahip gerçekçi diyaloglar oluşturmak çok önemlidir. Modelleri, tutarlı karakter seslerini koruyacak ve gidiş gelişli alışverişler sırasında konuşmacılar arasındaki "devri" daha doğal bir şekilde yönetecek şekilde iyileştirdik.
Ayrıca modelimizin çok dilli yeteneklerini de geliştirdik; böylece desteklenen 24 dilin tamamında konuşma boyunca her karakterin benzersiz tonunu, perdesini ve stilini koruyabiliyor.
Modelin çoklu konuşmacı ve çok dilli yeteneklerini Tarihten Sesler demo uygulamamızda keşfedin.
Müşteriler Ne Diyor?
İş ortaklarımız, bu iyileştirmelerin üretim ortamındaki etkisini şimdiden görüyor.
Bir yapay zeka ses platformu olan Wondercraft, en önemli iki özelliğini oluşturmak için Gemini TTS'yi kullanıyor: herkesin hızlandırma ve sunum üzerinde kontrole sahip, hayat gibi çoklu konuşmacılı sohbetler oluşturmasına olanak tanıyan Konuşma Modu ve telaffuzlar, tonlama ve sözel olmayan ipuçları üzerinde hassas kontrol sağlayarak düzenlemeleri zahmetsiz hale getiren Yönetmen Modu.
"Gemini TTS, Wondercraft'ı demoların ötesine taşıyarak gerçek üretim kullanım senaryolarına ulaştırmada anahtar rol oynadı. Müşteriler her zaman daha doğal konuşma istiyordu ve geleneksel TTS motorları bu konuda yetersiz kalıyordu. Gemini TTS'yi benimsediğimizden beri abonelikler yüzde 20 arttı, ilk aydaki kayıp oranı yüzde 20 düştü ve maliyetlerimiz yüzde 20 azaldı."
Youssef Rizk, Kurucu @ Wondercraft
Toonsutra, karakterler ve tanıtım video reklamları için sinematik seslendirmelerle hikayelerini hayata geçiriyor ve farklı dilleri ve karakter nüanslarını işleme yeteneği nedeniyle Gemini TTS'ye güveniyor.
"Bir çizgi roman panelindeki bağlamlarına ve genel hikayeye göre karakterler için ses üretiyoruz. Bu, her karakter için perdeyi, tonu ve aksanı mümkün olduğunca sürükleyici bir deneyim yaratacak şekilde uyarlamayı içeriyor. Şu anda bunu hem İngilizce hem de Hintçe çizgi romanlar için yapıyoruz ve karakter tonu tutarlılığının ve kalitesinin olağanüstü olduğunu gördük."
Vishal Anand, CEO @ Toonsutra
Bugün Başlayın
Gemini 2.5 Flash ve 2.5 Pro TTS modelleri, Google AI Studio'daki Gemini API aracılığıyla kullanılabilir. Başlamak için geliştirici dokümanlarımızı okuyun, yönlendirme kılavuzunu inceleyin veya Gemini API Cookbook sayfasına göz atın.
