Google Gemini | గూగుల్‌ నుంచి కొత్త ఏఐ వాయిస్‌ మోడల్స్‌.. 100కు పైగా భాషల్లో వాయిస్‌ క్రియేషన్‌..

Google Gemini | గూగుల్‌ తన జెమిని కుటుంబంలో భాగంగా జెమిని 3.8 ఫ్లాష్ టీటీఎస్‌, జెమిని 3.8 ఫ్లాష్-లైట్ టీటీఎస్‌ పేరుతో రెండు కొత్త టెక్స్ట్‌-టు-స్పీచ్‌ మోడల్స్‌ను పరిచయం చేసింది. డెవలపర్‌ ప్లాట్‌ఫామ్‌లు, ఏఐ ఉత్పత్తుల్లో ఆడియో రూపొందించే సామర్థ్యాలను విస్తరించేందుకు ఈ మోడల్స్‌ను తీసుకొచ్చినట్లు గూగుల్‌ తెలిపింది. అయితే మోడల్‌, సేవ ఆధారంగా వీటి లభ్యత మారుతుంది. ఇప్పటికే జెమిని ఆడియో కుటుంబంలో జెమిని 3.5 లైవ్‌ ట్రాన్స్‌లేట్‌, జెమిని 3.5 ట్రాన్స్‌క్రైబ్‌, జెమిని 3.8 లైవ్‌, జెమిని 3.8 లైవ్‌ ఎక్స్‌టెండెడ్‌ థింకింగ్‌ మోడల్స్‌ ఉన్నాయి. తాజాగా వీటికి జెమిని 3.8 ఫ్లాష్‌ టీటీఎస్‌, ఫ్లాష్‌-లైట్‌ టీటీఎస్‌ జతయ్యాయి.

వాయిస్ క్రియేష‌న్‌కు ఫ్లాష్‌.. భారీ స్థాయిలో ఆడియో కోసం ఫ్లాష్‌-లైట్‌..

జెమిని 3.8 ఫ్లాష్‌ టీటీఎస్‌ ప్రధానంగా వాయిస్ క్రియేష‌న్‌, క్యారెక్టర్‌ డిజైన్‌పై దృష్టి నిలిపింది. మరోవైపు జెమిని 3.8 ఫ్లాష్‌-లైట్‌ టీటీఎస్ ను భారీ స్థాయిలో స్పీచ్‌ జనరేషన్‌ కోసం రూపొందించారు. ముఖ్యంగా అధిక పరిమాణంలో డబ్బింగ్‌, ఆడియో కంటెంట్ క్రియేష‌న్‌, వ్యక్తీకరణతో కూడిన వాయిస్‌ ఏజెంట్ల కోసం ఫ్లాష్‌-లైట్‌ను ఆప్టిమైజ్‌ చేసినట్లు గూగుల్‌ తెలిపింది. జెమిని 3.8 ఫ్లాష్‌ టీటీఎస్‌తో సహజ భాషలో ఇచ్చే ప్రాంప్ట్‌ల ఆధారంగా మొదటి నుంచి కొత్త వాయిస్‌లను సృష్టించ‌వచ్చు. పాత్ర, యాస, వాయిస్‌ లక్షణాలను మార్చుకోవచ్చు. 100కు పైగా భాషలు, మాండలికాల్లో ఈ సౌకర్యం అందుబాటులో ఉంది. మెక్సికన్‌ స్పానిష్‌, క్యూబెక్‌ ఫ్రెంచ్‌, స్కాట్స్‌ ఇంగ్లిష్‌ వంటి ప్రాంతీయ వేరియంట్లతో కలిపి 2వేల‌కు పైగా ప్రొడక్షన్‌-రెడీ వాయిస్‌లు అందుబాటులో ఉన్నాయని గూగుల్‌ వెల్లడించింది.

30 ఒరిజిన‌ల్ వాయిస్‌లు..

వాయిస్‌ లైబ్రరీలో ప్రారంభంగా 30 ఒరిజినల్‌ వాయిస్‌లు ఉంటాయి. అవసరాన్ని బట్టి కస్టమ్‌ వాయిస్‌లను జోడించ‌వచ్చు. అలాగే 30 సెకన్ల ఆడియో నమూనాను ఉపయోగించి వినియోగదారుడి సొంత వాయిస్‌ లేదా వినియోగ హక్కులు ఉన్న మరో వ్యక్తి వాయిస్‌ లక్షణాలను పునఃసృష్టించుకునే అవకాశం ఉంటుంది. క్రియేట్ చేసిన కస్టమ్‌ వాయిస్‌లను భవిష్యత్‌ ప్రాజెక్టుల కోసం సేవ్‌ చేసి నిర్వహించుకోవచ్చు. త్వరలో వాయిస్‌ రీమిక్సింగ్‌ సౌకర్యం కూడా అందుబాటులోకి రానుంది. ఇందులో లైబ్రరీలోని వాయిస్‌ను ఎంచుకుని దాని టింబర్‌, పిచ్‌, వేగం, యాస వంటి లక్షణాలను ప్రాంప్ట్‌ల ద్వారా మార్చుకునే అవకాశం ఉంటుంది. వాయిస్‌ రిప్లికేషన్‌ విషయంలో భద్రతకు కూడా గూగుల్‌ ప్రాధాన్యం ఇచ్చింది. వాయిస్‌ యజమాని నుంచి మౌఖిక సమ్మతి రికార్డింగ్‌ తీసుకోవాలి. అది రిఫరెన్స్‌ స్పీకర్‌కు సరిపోలిన తర్వాతే వాయిస్‌ను రూపొందించవచ్చు. అదనంగా గూగుల్‌ సింథ్‌ఐడీ వాటర్‌మార్కింగ్‌, సీ2పీఏ క్రెడెన్షియల్స్‌ను ఉపయోగిస్తోంది.

ఎక్కడ అందుబాటులో ఉన్నాయి?

జెమిని 3.8 ఫ్లాష్‌ టీటీఎస్‌ దశలవారీగా అందుబాటులోకి వస్తోంది. డెవలపర్లకు జెమిని ఏపీఐ, గూగుల్‌ ఏఐ స్టూడియో ద్వారా లభిస్తుంది. ఎంటర్‌ప్రైజ్‌ వినియోగదారులకు జెమిని ఎంటర్‌ప్రైజ్‌లో ఏపీఐ ద్వారా త్వరలో అందుబాటులోకి రానుంది. సాధారణ వినియోగదారులకు జెమిని నోట్‌బుక్‌లో అందుబాటులో ఉంటుంది. జెమిని 3.8 ఫ్లాష్‌-లైట్‌ టీటీఎస్‌ కూడా దశలవారీగా విడుదలవుతోంది. డెవలపర్లకు జెమిని ఏపీఐ, గూగుల్‌ ఏఐ స్టూడియో ద్వారా, ఎంటర్‌ప్రైజ్‌ వినియోగదారులకు త్వరలో జెమిని ఎంటర్‌ప్రైజ్‌ ఏపీఐ ద్వారా అందుబాటులోకి రానుంది. సాధారణ వినియోగదారులకు గూగుల్‌ విడ్స్‌లో ఈ మోడల్‌ అందుబాటులో ఉంటుంది.