Google lancerer Gemini 3.8 Flash TTS og Flash-Lite TTS

Hvad er nyt

Google har den 23. september 2026 lanceret to nye tale-AI'er: Gemini 3.8 Flash TTS og den billigere lillebror Gemini 3.8 Flash-Lite TTS. TTS står for »text-to-speech« - altså AI, der omdanner skrevet tekst til talt lyd. De nye modeller læser tekst højt med en naturlig stemme og kan styres ned til mindste detalje, fx pauser, tonefald og suk.

Hvad er smart

Det smarteste er, at man kan designe en helt ny stemme ud fra en tekstbeskrivelse - skriv fx »en varm, let hæs kvindestemme med skotsk accent«, og AI'en finder på stemmen. Man kan også klone en rigtig stemme fra kun 30 sekunders lydoptagelse, dog kun med mundtligt samtykke fra personen. Google tilbyder over 2.000 færdige stemmer og understøtter mere end 100 sprog, blandt andet regionale varianter som mexicansk spansk og quebecsk fransk. Modellerne kan også styre to stemmer i dialog og tilføje ikke-sproglige lyde som latter og suk, uden at stemmen »driver« eller skifter karakter undervejs i lange optagelser. Alle klip mærkes usynligt med Googles SynthID-vandmærke, så man kan se, at lyden er AI-genereret.

Billigere eller bedre?

Flash TTS koster 0,50 dollar pr. million teksttokens (tokens er de tekststykker, AI'en regner i) og 9 dollar pr. million lydtokens frem til udgangen af 2026, hvorefter prisen fordobles til henholdsvis 1 og 18 dollar fra 1. januar 2027. Flash-Lite TTS har samme pris for tekst, men kun 6 dollar pr. million lydtokens - den er altså den billige model til store mængder tale, fx dubbing. I praksis svarer det til cirka 0,81 dollar pr. times lyd med Flash og 0,54 dollar med Flash-Lite. Ifølge Google topper modellerne både Hume AI's kvalitetsmåling og en Voice Design Benchmark med en score på 71,4 - foran konkurrenterne, ifølge Googles egne tal. En uafhængig sammenligning med fx OpenAI eller ElevenLabs findes endnu ikke.

Det er den god til

Flash TTS er lavet til kreativt indhold: podcasts, lydbøger og computerspilkarakterer, hvor man vil have skuespil og følelser i stemmen. Flash-Lite TTS er bygget til virksomheder, der skal generere store mængder tale billigt, fx til talebokse (voice agents), dubbing af video eller automatisk oplæsning af indhold. Modellerne rulles ud via Gemini API og Google AI Studio allerede nu og kommer snart til Gemini Enterprise samt til Gemini Notebook og Google Vids.