Google yangi avlod Gemini 3.8 matndan nutq yaratish (TTS) modellarini taqdim etdi
Google kompaniyasi matnni o‘ta realistik ovozga aylantiruvchi ikkita yangi model — Gemini 3.8 Flash TTS va Gemini 3.8 Flash-Lite TTS’ni e’lon qildi. Ushbu modellar foydalanuvchilarga oddiy matnli so‘rovlar orqali yangi ovoz qahramonlarini yaratish, urg‘u va his-tuyg‘ularni aniq boshqarish hamda sahnalashtirilgan dialoglarni generatsiya qilish imkonini beradi. Yangi modellar 100 dan ortiq tillarni qo‘llab-quvvatlaydi va Hume AI testlarida yetakchi o‘rinlarni egalladi. Xavfsizlikni ta’minlash maqsadida ovozni klonlashda rozilik tekshiruvi joriy qilingan hamda barcha audio fayllar SynthID suv belgisi bilan himoyalanadi.
Google sun’iy intellekt asosidagi audio vositalar oilasini sezilarli darajada kengaytirib, yangi Gemini 3.8 Flash TTS va Gemini 3.8 Flash-Lite TTS modellarini ishga tushirdi. Ushbu modellar an’anaviy statik ovoz shablonlaridan farqli o‘laroq, foydalanuvchilar va dasturchilarga matnli ko‘rsatmalar asosida mutlaqo yangi vokal xarakterlar yaratish hamda ovoz ohangini, urg‘usini va his-tuyg‘ularini to‘liq boshqarish imkoniyatini taqdim etadi.
Kompaniya ma’lumotlariga ko‘ra, Gemini 3.8 Flash TTS modeli Hume AI kompaniyasining Voice Design reytingida 71.4 ball bilan umumiy birinchi o‘rinni, shuningdek, aksent modellashtirish bo‘yicha 60.8 ball bilan yetakchilikni qo‘lga kiritdi. Model ikki suhbatdosh ishtirokidagi ssenariyli dialoglarni tabiiy tanaffuslar va navbat almashishlar bilan mukammal ijro eta oladi. Tizim 100 dan ortiq xalqaro tillarda yuqori sifatli nutq hosil qilishga mo‘ljallangan.
Ovozdan noqonuniy foydalanish va dezinformatsiyaning oldini olish maqsadida Google qat’iy xavfsizlik choralarini joriy qildi. Ovozni klonlash funksiyasidan foydalanish uchun ovoz egasining og‘zaki rozilik yozuvi talab etiladi. Bundan tashqari, modellar orqali yaratilgan har bir audio faylga inson qulog‘iga eshitilmaydigan SynthID raqamli suv belgisi kiritiladi, bu esa audioning sun’iy intellekt tomonidan yaratilganini aniqlash imkonini beradi.
Yangi nutq modellari Google AI Studio, Gemini API, Gemini Enterprise, Gemini Notebook va Google Vids platformalarida ishga tushirildi. Shuningdek, mazkur texnologiya Agora, LiveKit, Pipecat, Vercel kabi dasturchilar platformalarida hamda Figma, HeyGen, Wondercraft kabi hamkor kompaniyalar xizmatlarida joriy etilmoqda.
Dasturchilar va media kompaniyalar o‘yinlar, audio-kitoblar hamda mijozlarga xizmat ko‘rsatuvchi interaktiv ovozli agentlar uchun Gemini API orqali istalgan tilda nihoyatda realistik va moslashtirilgan ovozlarni tezkor yaratishlari mumkin.
Google o'zining yangi avlod flagman modeli Gemini 4 Argon'ni taqdim etdi. Ushbu qo'llanmada modelning texnik parametrlari, multimodal imkoniyatlari va undan xavfsiz foydalanish yo'llari ko'rib chiqiladi. Katta hajmdagi ma'lumotlar bilan ishlash va dasturlash jarayonlarini optimallashtirish usullari tushuntiriladi.
Google DeepMind o'zining navbatdagi Gemini 4 Argon flagman AI modelini rasman e'lon qildi. Mazkur model dasturchilar va bizneslar uchun yanada murakkab vazifalarni bajarishga qaratilgan. Qo'llanmada ushbu yangilik mohiyati va yangi texnologiyani baholash bosqichlari tushuntiriladi.