23 сентября Google представила две модели синтеза речи, которые, по её словам, позволяют проектировать голос и управлять им построчно. Для Maison голос становится редакционным активом, для которого необходимо закрепить эталон, допустимые применения и историю.
Что объявляет Google
Gemini 3.8 Flash TTS ориентирована на творческое руководство: она создаёт голос по описанию (роль, акцент, характер) более чем на ста языках и диалектах, после чего каждая реплика направляется указаниями по игре, ритму и тону. Gemini 3.8 Flash-Lite TTS ориентирована на объём, в частности на дубляж и голосовых агентов. Google называет более 2000 готовых голосов, возможность сохранять созданные голоса, чтобы ограничить дрейф от проекта к проекту, и непрерывную работу в течение нескольких часов при стабильном тембре. Правка голоса из библиотеки (тембр, высота, акцент) объявлена как предстоящая.
Компания также заявляет о первом месте в рейтинге Hume AI по проектированию голоса с результатом 71,4 балла. Метод в тексте объявления не раскрыт, поэтому цифра остаётся оценкой поставщика.
Голосу, которым управляют, нужен эталон
Управление голосом переносит часть работы в сферу редакционного руководства. Нужно уметь сказать, что делает голос верным: манера произносить название Maison, сдержанность, пауза перед фразой. Прилагательных для этого недостаточно. Лучше работают утверждённые, прослушанные и прокомментированные фрагменты, с одним и тем же текстом в качестве ориентира между версиями и языками, и прослушивание человеком на каждом языке — для имён собственных, разборчивости и замысла. Фраза, правильная на письме, может плохо звучать вслух.
Допустимые применения: карта неравномерна
Для репликации Google требует записать устное согласие человека, чей голос воспроизводится, которое должно совпадать с эталонным образцом. Достаточно тридцати секунд аудио — голоса самого пользователя или голоса, правами на который он обладает. По данным Google, каждый фрагмент несёт водяной знак SynthID, а реплицированные голоса сопровождаются подтверждениями C2PA.
Эти сигналы доказывают происхождение файла, но не объём согласия. Созданный голос, реплицированный голос и голос из библиотеки требуют разных разрешений, и каждое следует фиксировать вместе с согласованными применениями.
Остаётся география. Google уточняет, что репликация через её инструмент для разработчиков не предлагается в Европейской экономической зоне, куда входит Франция, а также в Великобритании, Швейцарии и Индии. Это ограничение меняет рассуждение французского дома ещё до вопроса качества. Доступ для компаний через Gemini Enterprise, со своей стороны, объявлен на более поздний срок.
Находить каждую версию
Google обещает «сохранённые и управляемые» голоса. Ничто в объявлении не описывает историю: сохраняется ли прежняя версия голоса после изменения, можно ли её восстановить, известно ли, какой файл был создан с какой версией? Лёгкость генерации умножает эти решения. Каждая корректировка создаёт вариант, который позже придётся уметь определить.
Maison могла бы вести простой реестр: для каждого голоса — его тип, ответственное лицо, согласованные применения, дату каждой версии и условия вывода из обращения старой. Именно этот реестр, который ведёт тот, кто принимает решения, сделает голос голосом Maison.
Cette publication est également disponible en :
