Google, Gemini 3.8 TTS ses remiksleme özelliğini kullanıma sundu

Google (GOOGL), mevcut yapay zekâ seslerinin tınısını, perdesini, konuşma hızını ve tonlamasını doğal dil talimatlarıyla değiştirip ayrı bir ses olarak kaydetmeye yarayan “ses remiksleme” özelliğini kullanıma sundu. Geliştiriciler bu özelliğe Google AI Studio ve Gemini API üzerinden erişebiliyor.

Google, özelliğin kullanıma sunulduğunu 4'ünde Gemini API sürüm notlarında duyurdu. Önceden hazırlanmış veya kullanıcı tarafından tasarlanmış sesler, doğal dil talimatlarıyla düzenlenip orijinalinden ayrı olarak kaydedilebiliyor.

Remiksleme, mevcut bir sesi başlangıç noktası olarak alıyor. Google, 23 Eylül'deki duyurusunda üretim amaçlı 2.000'den fazla sesten oluşan bir listeyi tanıtmış ve ses remiksleme özelliğini “yakında” sunulacak özellikler arasında göstermişti.

Ses tasarımı, doğal dilde bir açıklama girerek sıfırdan yeni bir ses oluşturmayı sağlıyor. Ses remikslemede ise kullanıcı mevcut bir sesi seçip tını, perde, hız ve tonlama gibi özellikleri değiştiriyor.

API üzerinden ses remikslemek için Gemini 3.8 Flash TTS kullanılıyor. Oluşturulan sese, orijinalinden ayırt edilmesini sağlayan ayrı bir kimlik tanımlayıcısı veriliyor.

Google, bu tanımlayıcının Gemini 3.8 Flash TTS veya Gemini 3.8 Flash-Lite TTS ile ses sentezi isteklerinde kullanılabileceğini belirtti. Geliştiriciler, AI Studio'da düzenledikleri sesi önceden dinleyebiliyor.

Google, eylül ayındaki duyurusunda replik bazında konuşma tarzı, hız ve duygu ayarlama özelliklerini de tanıtmıştı. TokenPost, Gemini TTS modelinin replik bazında tonlama ve duygu ayarlama özelliğini daha önce haberleştirmişti.

Replik bazlı yönlendirme, senaryodaki her cümlenin nasıl okunacağını belirliyor. Ses remiksleme ise sesin kendisini değiştirip kaydetmesiyle bundan ayrılıyor.

Ses klonlama, kullanım izni alınmış bir kişiden alınan ses örneğiyle ses özelliklerini yeniden oluşturmayı sağlayan ayrı bir özellik. Google, 30 saniyelik bir örneğin kullanılabildiğini ve klonlama öncesinde ses sahibinin rıza kaydının referans sesle eşleşip eşleşmediğinin kontrol edildiğini açıkladı.

Google, Gemini ses modellerinin oluşturduğu tüm seslere sentetik sesi tanımlayan SynthID filigranını eklediğini belirtti.