Скачать или смотреть Gemini 2.5 TTS: Voz IA con Control Total. Expresividad, Ritmo y Multi-Speaker

Google DeepMind ha anunciado mejoras significativas en los modelos de previsualización Gemini 2.5 Flash y Gemini 2.5 Pro Text-to-Speech (TTS), ofreciendo un control y capacidades superiores para la generación de contenido de alta fidelidad. Estas actualizaciones incluyen una expresividad mejorada con una versatilidad de tono más rica y una adherencia más estricta a las indicaciones de estilo (como "alegre y optimista" o "sombrío y serio"), lo que garantiza que la voz se ajuste al rol solicitado. Los modelos también incorporan un ritmo de precisión que ajusta la velocidad de manera inteligente según el contexto del mensaje —acelerando para la emoción o ralentizando para el énfasis— y sigue instrucciones explícitas sobre el ritmo con mayor fidelidad. Para casos de uso como podcasts, entrevistas simuladas o narrativas complejas, se han refinado las capacidades multi-speaker para mantener voces de personajes consistentes y manejar transiciones más naturales en intercambios, incluso en los 24 idiomas compatibles. Los desarrolladores que crean audiolibros, módulos de e-learning o videos de marketing pueden comenzar a probar las nuevas capacidades de Gemini 2.5 Flash y Pro TTS en Google AI Studio y Playground hoy mismo.


https://blog.google/technology/develo...


‪@enlamentedelamaquina‬