Google lader dig tegne en AI-stemme med ord og klone din egen

Google har lanceret Gemini 3.8 Flash TTS og Gemini 3.8 Flash-Lite TTS. TTS står for tekst-til-tale, altså computerstemmer, der læser tekst op. Modellerne blev udgivet den 23. september 2026.

Google kalder dem sine hidtil mest udtryksfulde lydmodeller. Tanken er at gå fra faste stemmevalg til et slags kreativt stemmestudie.

Beskriv stemmen med ord

Ifølge The Decoder kan man designe en helt ny stemme ud fra en tekstbeskrivelse af rolle, accent og stemmetræk. Der findes også over 2.000 færdige stemmer, blandt andet mexicansk spansk, quebecsk fransk og skotsk engelsk. Før lanceringen havde Google 30 originale stemmer. Modellerne understøtter over 100 sprog og dialekter.

Begge modeller kan give scenevejledning til hver replik, styre en dialog mellem to stemmer og lave lyde som latter og suk. Ifølge Google er der store forbedringer i forhold til Gemini 3.1 Flash TTS ved langt indhold og manuskripter med to talere.

Kloning kræver samtykke

En stemme kan klones fra en lydprøve på 30 sekunder. Det kræver en mundtlig samtykkeoptagelse fra stemmens ejer, og optagelsen skal matche den person, der taler i referencelyden. Ifølge Google er stemmekloning ikke tilgængelig i Illinois, Texas, EØS, Storbritannien, Schweiz og Indien.

Alt lyd fra Googles Gemini Audio-modeller får et uhørligt SynthID-vandmærke, så AI-genereret tale kan opdages. Ifølge Google er der ved kloning også C2PA-oplysninger.

Placeringer og priser

Google oplyser, at Gemini 3.8 Flash TTS er nummer 1 på Hume AI's Voice Design Benchmark med 71,4 point og nummer 1 i accentmodellering med 60,8 point. Flash TTS og Flash-Lite TTS er ifølge Google nummer 1 og 2 på Hume AI's Overall Quality Index. Tallene stammer fra Googles egen meddelelse.

Flash TTS koster 0,50 dollar pr. million teksttokens og 9 dollar pr. million lydtokens frem til udgangen af 2026. Fra 1. januar 2027 stiger det til 1 og 18 dollar. Flash-Lite TTS koster 0,50 dollar for tekst og 6 dollar for lyd, og stiger til 1 og 12 dollar. The Decoder regner det om til cirka 0,81 dollar pr. time lyd med Flash og 0,54 dollar med Flash-Lite til introduktionsprisen.

Flash TTS er tilgængelig via Gemini API, Google AI Studio og Gemini Notebook. Flash-Lite TTS findes i Gemini API, Google AI Studio og Google Vids. Adgang via Gemini Enterprise kommer snart.