Google lanza modelos Gemini 3.8 Flash TTS con voces diseñadas desde texto y clonación de voz
Hecho Qué ha ocurrido
Google presenta Gemini 3.8 Flash TTS y Flash-Lite TTS, dos modelos de texto a voz que soportan más de 100 idiomas y permiten crear voces nuevas a partir de descripciones textuales. Incluyen clonación de voz desde muestras de 30 segundos con consentimiento verbal, más de 2.000 voces preestablecidas, modo de diálogo con dos voces y marca de agua SynthID inaudible. Están disponibles vía Gemini API, Google AI Studio, Gemini Notebook y Google Vids, con precios de 0,81 y 0,54 dólares por hora de audio hasta finales de 2026.
Resumen generado mediante IA a partir de The Decoder (original en inglés). Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Reduce drásticamente el coste y la complejidad de generar voces sintéticas personalizadas para doblaje, audiolibros, agentes de voz y contenido a escala, lo que puede acelerar su adopción empresarial.
- Quién se ve afectado
- Empresas de atención al cliente, estudios de doblaje, productoras de podcasts y videojuegos, y desarrolladores de agentes de voz.
- Qué puede cambiar
- Se abarata y democratiza la creación de voces personalizadas sin depender de actores de doblaje, y se facilita la localización multilingüe de contenido con control fino de estilo y emoción.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Vigilar la adopción por plataformas de desarrollo (Agora, LiveKit, Pipecat, Vercel), la disponibilidad de endpoints en la UE y posibles problemas de calidad como el 'speaker drift' detectado en pruebas iniciales.
Recomendación Qué debería hacer una empresa
Empresas con necesidades de doblaje, atención al cliente por voz o contenido multilingüe deberían evaluar Flash-Lite TTS en pruebas piloto durante los próximos 3-6 meses por su relación coste-escala.
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: The Decoder. La referencia es siempre el artículo original.
Ver fuente original ↗voztexto a vozclonación de vozmultimodal GoogleGoogle DeepMind clonación de voz Gemini Google SynthID texto a voz
Forma parte de la historia Google DeepMind lanza Gemini 3.8 Flash TTS con clonación y diseño de voces (2 noticias, estado: en evolución).
Relacionadas
Google DeepMind lanza Gemini 3.8 Flash TTS y Flash-Lite TTS con voces personalizables
Google DeepMind presentó Gemini 3.8 Flash TTS y Flash-Lite TTS, sus nuevos modelos de texto a voz que permiten crear voces de personaje personalizadas y…
Por qué importaLa generación de voz sintética de alta calidad y personalizable abre nuevas posibilidades para doblaje global, agentes de voz conversacionales y…
Google integra Adobe, Peloton y Airtable en Gemini y lanza TTS que clona voces en 30 segundos
Google anunció el 23 de septiembre nuevas apps conectadas a Gemini (Adobe, Airtable, Peloton, SeatGeek, Experian, entre otras) y dos modelos de texto a voz…
Por qué importaConsolida a Gemini como hub central de productividad, creatividad y servicios de terceros, y posiciona a Google como competidor directo de ElevenLabs…
Google lanza Gemini 3.1 Flash TTS, modelo de voz con control granular y marca SynthID
Google DeepMind presentó Gemini 3.1 Flash TTS, un modelo de texto a voz con etiquetas de audio para controlar estilo, ritmo y entonación en más de 70 idiomas…
Por qué importaMejora la calidad y control de voz sintética a bajo coste, facilitando su adopción en aplicaciones comerciales de audio y doblaje multilingüe.
Google lanza Gemini 3.1 Flash TTS, modelo de síntesis de voz dirigible por prompts
Google ha lanzado Gemini 3.1 Flash TTS, un nuevo modelo de texto a voz que permite dirigir la síntesis de audio mediante prompts detallados. El modelo está…
Por qué importaEste enfoque de síntesis de voz dirigible por prompts amplía significativamente las capacidades de personalización en generación de audio…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.