Google、Gemini 3.8 Flash TTS와 Flash-Lite TTS 발표
Gemini 3.8 text-to-speech says hello
Google이 음성 생성 모델 Gemini 3.8 Flash TTS와 Gemini 3.8 Flash-Lite TTS를 발표했다. 자연어 프롬프트로 새로운 목소리를 만들 수 있으며, 100개 이상의 언어와 방언을 지원한다. 오늘부터 Gemini API와 Google AI Studio에서 이용할 수 있고, Gemini Notebook과 Google Vids에도 순차적으로 제공된다.
Gemini 3.8 Flash TTS는 표현력과 연출 제어에 중점을 둔 모델이다. 자연어 프롬프트로 역할, 억양, 목소리의 특징을 지정해 새로운 목소리를 처음부터 만들 수 있다. 2,000개 이상의 제작용 보이스 라이브러리도 사용할 수 있으며, 멕시코계 스페인어나 퀘벡 프랑스어 등 지역별 차이에도 대응한다. 30초 분량의 음성 샘플로 목소리를 재현하는 기능도 있고, 만든 목소리는 저장해 후속 작업에서 일관되게 사용할 수 있다. 보이스 리믹스는 곧 제공될 예정이라고 한다.
Gemini 3.8 Flash-Lite TTS는 대량 처리와 비용 효율을 중시한 모델로, 더빙, 음성 콘텐츠 제작, 표현력 있는 음성 에이전트에 최적화되어 있다. 두 모델 모두 줄 단위 연기 지시, 수 시간에 이르는 장시간 생성, 2인 화자의 장면 연출, <laughs>나 |mhm| 같은 비언어적 표현과 맞장구를 지원한다.
평가 측면에서 Gemini 3.8 Flash TTS는 Hume AI의 Voice Design Benchmark에서 종합 1위(71.4), 억양 모델링에서도 1위(60.8)를 기록했다고 밝혔다. Overall Quality Index에서는 Flash TTS가 1위, Flash-Lite TTS가 2위다. Voice Arena의 사람 블라인드 평가에서는 일본어를 포함한 주요 언어에서 상위권에 올랐다고 설명했다.
안전성 측면에서는 목소리를 복제할 때 목소리 주인의 구두 동의 녹음이 필요하며, 이는 참조 음성과 대조된다. 생성된 음성에는 SynthID 워터마크가 삽입되고, 복제 기능에는 C2PA 크레덴셜도 사용된다. 제공 측면에서는 두 모델 모두 개발자용으로 Gemini API와 Google AI Studio에서 오늘부터 시작되며, 기업용으로는 Gemini Enterprise를 통해 곧 API로 제공된다. 일반 사용자는 Flash TTS를 Gemini Notebook에서, Flash-Lite를 Google Vids에서 사용할 수 있다. Figma, HeyGen 등이 도입을 진행하고 있다.
음성 설계, 복제, 줄 단위 연출 지시까지의 기능과 제공처가 정리되어 있어, TTS를 제작이나 개발에 도입할 때 비교 자료로 쓸 수 있다.
출처: Google Blog: Gemini · blog.google