Gemini 3.8 Flash TTS / Flash-Lite TTS

Gemini 3.8 Flash TTS och Gemini 3.8 Flash-Lite TTS lanserades den 23 september 2026 och är Googles modeller för att göra text till tal. Flash TTS är den påkostade varianten för kreativt arbete och rollfigurer, Flash-Lite TTS är den billigare för stora volymer: dubbning, ljudproduktion och röstassistenter.

Det nya är röstdesign: man beskriver i vanlig text vilken roll, dialekt och röstkaraktär man vill ha, och får en röst byggd efter beskrivningen. Enligt Googles dokumentation stöder Flash TTS över 130 språk och Flash-Lite TTS 101 språk, och det finns över 2 000 färdiga röster att välja bland, inklusive regionala varianter som mexikansk spanska, Québec-franska och skotsk engelska. Uppläsningen kan regisseras med scenanvisningar i manuset, och icke-verbala ljud skrivs som taggar, till exempel <laughs>, <sigh> och <gasp>. Modellerna klarar långa texter och scener med två talare, och egna röster kan sparas och återanvändas.

Det går också att återskapa en röst utifrån ett 30 sekunder långt ljudprov. Det kräver en inspelad muntlig medgivandefras från röstens ägare, och allt ljud förses med vattenstämpeln SynthID och C2PA-uppgifter. Röståterskapning via AI Studio är inte tillgänglig i Illinois, Texas, EES, Storbritannien, Schweiz eller Indien.

Enligt Google ligger Flash TTS etta totalt på Hume AI:s Voice Design Benchmark med 71,4 och på deras kvalitetsindex, med Flash-Lite TTS tvåa, och i blinda jämförelser på Voice Arena hamnar båda i topp på bland annat japanska, brasiliansk portugisiska, vietnamesiska, arabiska, mexikansk spanska och hindi. Priset i Gemini API är 0,50 dollar per miljon tecken in och 9 dollar per miljon tokens ljud ut för Flash TTS (6 dollar för Flash-Lite) till och med 31 december 2026, därefter det dubbla. Modellerna finns i Gemini API och Google AI Studio, Flash TTS dessutom i Gemini Notebook och Flash-Lite TTS i Google Vids.