El 23 de septiembre, Google presentó dos modelos de síntesis de voz que prometen concebir y dirigir una voz línea por línea. Para una Maison, una voz se convierte en un activo editorial cuya referencia, usos permitidos e historial hay que fijar.
Lo que anuncia Google
Gemini 3.8 Flash TTS apunta a la dirección creativa: concebir una voz a partir de una descripción (papel, acento, carácter) en más de cien lenguas y dialectos, y dirigir después cada réplica con indicaciones de interpretación, ritmo y tono. Gemini 3.8 Flash-Lite TTS apunta al volumen, en particular el doblaje y los agentes de voz. Google cita más de 2.000 voces listas para usar, la posibilidad de guardar las voces creadas para limitar la deriva de un proyecto a otro y una duración continua de varias horas con un timbre estable. La modificación de una voz de la biblioteca (timbre, tono, acento) se anuncia como próxima.
La empresa reivindica también el primer puesto en la clasificación de diseño de voces de Hume AI, con 71,4 puntos. El anuncio no detalla el método en su texto, por lo que la cifra sigue siendo una puntuación del proveedor.
Una voz que se dirige exige una referencia
Dirigir una voz traslada parte del trabajo a la dirección editorial. Hay que saber decir qué hace que una voz sea la adecuada: la manera de pronunciar el nombre de una Maison, una contención, un silencio antes de una frase. Los adjetivos bastan mal para transmitirlo. Valen más los extractos aprobados, escuchados y comentados, con un mismo texto como referencia entre versiones e idiomas, y una escucha humana en cada idioma para los nombres propios, la inteligibilidad y la intención. Una frase correcta por escrito puede sonar mal al decirse.
Usos permitidos: el mapa es desigual
Para la replicación, Google exige el registro de un consentimiento oral de la persona cuya voz se reproduce, que debe coincidir con la muestra de referencia. Bastan treinta segundos de audio, de la voz del usuario o de una voz de la que posea los derechos. Cada extracto lleva la marca de agua SynthID y las atestaciones C2PA acompañan a las voces replicadas, según Google.
Estas señales prueban el origen de un archivo, no el alcance del acuerdo. Una voz creada, una voz replicada y una voz de biblioteca requieren autorizaciones distintas, y cada una debería registrarse con los usos convenidos.
Queda la geografía. Google precisa que la replicación desde su herramienta para desarrolladores no se ofrece en el Espacio Económico Europeo, que incluye a Francia, ni en el Reino Unido, Suiza o la India. Este límite cambia el razonamiento de una Maison francesa antes incluso que la calidad. Por su parte, el acceso para empresas a través de Gemini Enterprise se anuncia para más adelante.
Volver a encontrar cada versión
Google promete voces «guardadas y gestionadas». Nada en el anuncio describe un historial: ¿se conserva la versión anterior de una voz tras modificarla?, ¿puede restaurarse?, ¿se sabe qué archivo se generó con cuál? La facilidad de generación multiplica estas decisiones. Cada ajuste crea una variante que habrá que poder situar más adelante.
Una Maison podría llevar un registro sencillo: para cada voz, su tipo, su responsable, los usos convenidos, la fecha de cada versión y las condiciones para retirar una antigua. Ese registro, llevado por la persona que decide, es lo que hará de la voz una voz de Maison.
Cette publication est également disponible en :
