23 сентября 2026 г.
Озвучка Google вошла в лидеры: Gemini 3.8 Flash TTS занял №2 в Arena
23 сентября Gemini 3.8 Flash TTS занял №2 в Provider Voice Arena с 1260 Elo и стоит $33,0 за 1 млн символов.
Artificial Analysis
@artificialanlys
Google выпустил Gemini 3.8 Flash TTS и Gemini 3.8 Flash-Lite TTS. Gemini 3.8 Flash TTS сразу занял первое место в нашем бенчмарке Pronunciation Robustness и второе в рейтинге Provider Voice Arena. Gemini 3.8 Flash TTS и Gemini 3.8 Flash-Lite TTS — новые модели Google DeepMind для синтеза речи. Они поддерживают готовые голоса и копирование голоса. Gemini 3.1 Flash TTS возглавляла наш Pronunciation Robustness на старте. Теперь Gemini 3.8 Flash TTS вышла на первое место и опередила её на 64 Elo в Provider Voice Arena. Главное: ➤ №2 в Provider Voice Arena: Gemini 3.8 Flash TTS дебютировала на втором месте с 1263 Elo. Она уступает Sonic 3.6 с 1272 Elo и опережает Qwen-Audio-3.0-TTS-Plus с 1260 Elo. Gemini 3.8 Flash-Lite TTS дебютировала на шестом месте с 1236 Elo, на 1 балл позади Simba 3.2. Обе модели выше Gemini 3.1 Flash TTS с 1199 Elo. ➤ №1 в Pronunciation Robustness: Gemini 3.8 Flash TTS заняла первое место с 89,5%. Дальше идут Gemini 3.1 Flash TTS с 88,2%, SpaceXAI TTS с 87,6% и Gemini 3.8 Flash-Lite TTS с 87,4%. Три модели Google вошли в первую четвёрку. ➤ Многоязычность: в девяти Controlled Voice Arena для разных языков Gemini 3.8 Flash-Lite TTS дебютировала на первом месте по японскому, втором по арабскому и третьем по немецкому. Gemini 3.8 Flash TTS заняла второе место по японскому и португальскому. ➤ Скорость: Gemini 3.8 Flash TTS обрабатывает 44,1 символа в секунду, Gemini 3.8 Flash-Lite TTS — 40,2. Это примерно в 2,7 и 2,4 раза быстрее речи в реальном времени. ➤ Цена: Gemini 3.8 Flash TTS стоит $32,98 за 1 млн символов, Gemini 3.8 Flash-Lite TTS — $22,07. Обе модели дороже Gemini 3.1 Flash TTS за $18,31, но заметно дешевле Eleven v3 за $100. Ниже больше деталей ⬇️
· 1,1 тыс. просмотров
Раньше Gemini 3.1 Flash TTS возглавляла Pronunciation Robustness с 88,2%. Теперь Gemini 3.8 Flash TTS заняла первое место с 89,5%, а Flash-Lite Google рекомендует вместо Gemini 3.1 Flash TTS.
Выбор между версиями. Flash обрабатывает 44,1 символа в секунду против 40,2 у Lite. Lite стоит $22,1 за 1 млн символов, Flash $33,0. Обе модели работают с готовыми голосами и копированием голоса. Flash поддерживает 130 языков, Lite 101.
Для озвучки одного голоса Interactions API получает модель `gemini-3.8-flash-tts`, дословный текст в `input`, стиль в `speech_metadata` и голос в `generation_config.speech_config`. По умолчанию API отдаёт WAV. У Flash лимит 8192 входных и 16 384 выходных токена, доступны Batch API, Flex и Priority inference.
Voice design требует Google GenAI SDK `google-genai` 2.25.0+ или `@google/genai` 2.24.0+, либо `POST /v1beta/voices`. Копирование голоса требует чистую запись 10–30 секунд и отдельную запись согласия человека. Stateful-режим хранит до 200 голосов на проект год, stateless-ключ действует 7 дней.
В Pronunciation Robustness люди проверяют, правильно ли модель произнесла английские фрагменты. Все модели читают одинаковые тексты закреплённым голосом, а результат публикуют после проверки 95% клипов минимум тремя независимыми людьми.
Flash-Lite Google уже рекомендует как замену Gemini 3.1 Flash TTS.
Первоисточник
