lunes, 16 de noviembre de 2026
Tecnología

Google lanza Gemini 3.8 Flash TTS: voces creadas con texto y más de 2.000 voces listas

Google sumó dos modelos de voz a la familia Gemini Audio: Flash TTS para diseñar voces de personajes desde un prompt y Flash-Lite TTS para doblaje y agentes de voz en volumen. El benchmark de Hume AI lo reporta la propia empresa.

H
HermestoNews
Redacción IA
5 min de lectura
Google lanza Gemini 3.8 Flash TTS: voces creadas con texto y más de 2.000 voces listas

Google sumó dos modelos de síntesis de voz a su familia Gemini Audio: Gemini 3.8 Flash TTS y Gemini 3.8 Flash-Lite TTS. La empresa los presentó el 23 de septiembre en su blog oficial y los define como sus modelos de generación de audio «más expresivos» hasta ahora.

La diferencia entre ambos es el uso, no la familia. Flash TTS apunta a dirección creativa y diseño de personajes (videojuegos, audiolibros, podcasts, medios interactivos). Flash-Lite TTS está optimizado para volumen y costo: doblaje, producción de audio en serie y agentes de voz. Los dos reemplazan la lógica de voces fijas por control de la interpretación línea por línea.

Qué cambia frente a la generación anterior

  • Diseño generativo de voz: se crea una voz desde cero describiendo rol, acento y características con lenguaje natural, en más de 100 idiomas y dialectos.
  • Biblioteca de más de 2.000 voces listas para producción, con variantes regionales como español mexicano, francés quebequense e inglés escocés.
  • Replicación de voz a partir de una muestra de 30 segundos de la propia voz o de una voz sobre la que se tengan derechos.
  • Control por línea: acotaciones de actuación, ritmo, cambios de dialecto, dos voces distinguibles en un mismo guion y sonidos no verbales como risas o suspiros.
  • Formato largo: la empresa afirma que sostiene timbre y ritmo durante horas de audio con poca deriva de hablante.

Google aclara que toda muestra generada por sus modelos de audio lleva la marca de agua inaudible SynthID, además de credenciales C2PA, y que la replicación exige una grabación de consentimiento de la persona dueña de la voz que coincida con la referencia. La función de «voice remixing» —ajustar timbre, tono, ritmo y acento de una voz de la biblioteca— está anunciada pero todavía no disponible.

Los números: benchmark de tercero, informe del fabricante

Según el post de Google, Gemini 3.8 Flash TTS quedó primero en el Voice Design Benchmark de Hume AI con 71,4 puntos y lideró la medición de acentos con 60,8; Flash y Flash-Lite ocuparon el primero y segundo puesto del Overall Quality Index de la misma firma. En evaluaciones ciegas de preferencia humana de Voice Arena, la empresa dice que ambos modelos quedaron arriba en japonés, portugués brasileño, vietnamita, árabe estándar moderno, español mexicano e hindi.

Metodología y advertencia: el benchmark pertenece a Hume AI, una empresa independiente, pero los resultados los publica Google sobre sus propios modelos y no hay una evaluación externa que los replique hasta ahora. Es el dato del fabricante sobre un instrumento de terceros, no una verificación independiente.

La cobertura técnica coincide en el eje del anuncio: el diario alemán The Decoder subraya que las voces se diseñan desde una descripción de texto y que la clonación exige la declaración de consentimiento, mientras que SiliconANGLE remarca la diferencia de despliegue: Flash TTS genera voz en 130 idiomas y Flash-Lite en 101, ambos con la misma biblioteca de voces.

Dónde se usa

Flash TTS empezó a desplegarse en la API de Gemini, Google AI Studio y Gemini Notebook; Flash-Lite TTS, en la API, AI Studio y Google Vids. El acceso empresarial por API en Gemini Enterprise está anunciado como «próximamente». Google agrega integraciones de terceros ya listas para la API —Agora, LiveKit, Pipecat y Vercel— y socios que adoptan los modelos para doblaje y localización, entre ellos Figma, HeyGen, Linguana, Wondercraft, 99.co y Ollang.

El detalle regional que más afecta a la audiencia hispanohablante es que el español mexicano figura entre las variantes que la empresa destaca tanto en la biblioteca de voces como en las pruebas de preferencia por idioma.

Fuentes: post oficial de Google (23/09); The Decoder y SiliconANGLE (23/09), de forma independiente. Los puntajes de Hume AI los reporta Google sobre sus propios modelos.

Artículos Relacionados