Google DeepMind、Gemini 3.8 Flash TTS와 Flash-Lite TTS 발표

Gemini 3.8 Flash TTS는 캐릭터 설계와 연출에 중점을 둔 모델이다. 역할, 억양, 목소리 특징을 자연어로 지정해 100개 이상의 언어와 방언으로 새로운 목소리를 만들 수 있다. 2,000개 이상의 제작용 보이스 라이브러리도 이용할 수 있으며, 30초 분량의 음성 샘플로 목소리를 복제하는 기능도 있다. 복제에는 본인 음성의 동의 녹음 대조가 필요하며, 생성된 음성에는 SynthID 워터마크와 C2PA 인증 정보가 붙는다. 음성 리믹스 기능은 곧 제공될 예정이라고 한다.

연출 면에서는 대본에 직접 연기 지시를 쓰거나, 대본의 단서로부터 Gemini가 말하는 방식을 판단하게 할 수 있다. 수 시간에 이르는 장시간 생성에서도 화자의 흔들림을 억제한다고 하며, 두 명의 화자가 나오는 대화를 하나의 대본으로 처리할 수 있다. <laughs>나 <sigh> 같은 비언어 표현, |mhm| 같은 맞장구도 지정할 수 있다. Gemini 3.8 Flash-Lite TTS는 더빙, 음성 콘텐츠 제작, 표현력 있는 음성 에이전트 등 대량 처리에 맞게 최적화되어 있다.

평가에서는 Flash TTS가 Hume AI의 Voice Design Benchmark에서 종합 1위(71.4점), 억양 표현에서도 1위(60.8점)를 기록했다고 한다. Hume AI의 Overall Quality Index에서는 Flash TTS가 1위, Flash-Lite TTS가 2위다. Voice Arena의 사람 대상 블라인드 평가에서는 일본어를 포함한 주요 언어에서 상위에 들었다고 설명되어 있다. Gemini 3.1 Flash TTS와 비교하면 장시간 콘텐츠와 두 명 화자 대본의 제어가 크게 개선되었다고 한다.

제공 범위는 다음과 같다. 개발자용으로는 오늘부터 Gemini API와 Google AI Studio에서 시작한다. 기업용으로는 Gemini Enterprise에서 곧 API를 통해 제공할 예정이다. 일반 사용자용으로는 Flash TTS는 Gemini Notebook, Flash-Lite는 Google Vids에서 이용할 수 있다. Google AI Studio에는 음성 플레이그라운드가 추가되어, 목소리 생성과 복제부터 두 명 화자 대본 편집기에서의 연출까지 할 수 있다. Agora, LiveKit, Pipecat, Vercel은 Gemini API를 통한 구축을 지원하고 있으며, Figma, HeyGen, Linguana, Wondercraft, 99.co, Ollang이 도입을 진행하고 있다.