Google ra mắt Gemini 3.8 Flash TTS và Flash-Lite TTS: Tạo giọng nói AI siêu tốc, hỗ trợ hơn 100 ngôn ngữ

Giới thiệu

Google vừa công bố hai mô hình chuyển văn bản thành giọng nói (text-to-speech) mới: Gemini 3.8 Flash TTS và Flash-Lite TTS. Các mô hình này được thiết kế để tạo giọng nói AI nhanh chóng và linh hoạt, hỗ trợ hơn 100 ngôn ngữ. Điểm nổi bật là khả năng tùy chỉnh cao, từ mô tả giọng nói đến thêm cảm xúc vào từng câu, mở ra nhiều ứng dụng cho người làm nội dung và giáo dục.

Có gì mới?

Google đã nâng cấp đáng kể khả năng tạo giọng nói AI với Gemini 3.8 Flash TTS và Flash-Lite TTS. Đây là một bước tiến lớn so với các công cụ TTS trước đây, tập trung vào tốc độ và khả năng tùy biến. Người dùng giờ đây có thể tạo ra giọng nói AI chỉ bằng cách mô tả các đặc tính mong muốn bằng văn bản, không còn giới hạn ở các giọng mẫu có sẵn. Các tính năng mới giúp tạo ra nội dung âm thanh chân thực và đa dạng hơn.

Tính năng nổi bật

• Tạo giọng nói từ mô tả: Chỉ cần nhập văn bản mô tả (ví dụ: "giọng nam trầm, đọc chậm rãi" hoặc "giọng nữ trẻ trung, lanh lảnh") để tạo ra giọng AI tương ứng.
• Tùy chỉnh cảm xúc theo kịch bản: Thêm hướng dẫn cảm xúc cho từng câu hoặc đoạn văn (ví dụ: "đọc vui vẻ", "đọc ngập ngừng").
• Tạo hội thoại đa nhân vật: Từ một kịch bản duy nhất, có thể tạo ra đoạn hội thoại với nhiều giọng khác nhau.
• Nhân bản giọng nói: Chỉ cần 30 giây mẫu giọng nói, mô hình có thể nhân bản giọng nói đó để tạo ra nội dung mới.
• Hỗ trợ hơn 100 ngôn ngữ: Đảm bảo khả năng tiếp cận và ứng dụng rộng rãi trên toàn cầu, bao gồm tiếng Việt.

Ý nghĩa với người Việt

Các mô hình TTS mới của Google mang lại lợi ích lớn cho giáo viên, chủ shop và những người sáng tạo nội dung tại Việt Nam. Giáo viên có thể tạo bài giảng âm thanh sinh động, chủ shop có thể ghi âm quảng cáo sản phẩm với giọng điệu thu hút. Người làm podcast, video, hoặc sách nói cũng dễ dàng sản xuất nội dung chuyên nghiệp hơn mà không cần thuê người đọc, tiết kiệm chi phí và thời gian.

Đã dùng được ở Việt Nam chưa?

Hiện tại, Google chưa công bố chi tiết về việc cung cấp trực tiếp các mô hình này cho người dùng cuối. Thường thì các tính năng AI nâng cao của Google sẽ được tích hợp vào các nền tảng đám mây (như Google Cloud) hoặc qua các API. Người dùng có thể cần tài khoản Google Cloud và thẻ thanh toán quốc tế để sử dụng. Thông tin về bản miễn phí hay trả phí cụ thể chưa được tiết lộ.

So với đối thủ?

So với các đối thủ như OpenAI (với Voice Engine) hay ElevenLabs, các mô hình Flash TTS của Google nổi bật nhờ khả năng hỗ trợ đa ngôn ngữ rộng lớn và tốc độ xử lý nhanh. Tính năng tùy chỉnh cảm xúc và tạo hội thoại từ kịch bản duy nhất cũng là điểm cộng lớn. Khả năng nhân bản giọng nói của Google cũng cạnh tranh trực tiếp với các giải pháp hàng đầu hiện nay, mang lại sự linh hoạt cao cho người dùng.