Gemini agora cria vozes do zero e conversa com dois personagens
O Google apresentou os novos Gemini 3.8 Flash TTS e Gemini 3.8 Flash-Lite TTS, modelos de inteligência artificial voltados à geração de voz. Entre as principais novidades estão a criação de vozes personalizadas, direção de interpretação linha por linha e diálogos com dois personagens.
Os modelos oferecem suporte a mais de 100 idiomas e dialetos e foram desenvolvidos para aplicações como podcasts, audiolivros, dublagem, jogos e agentes de voz.
Vozes podem ser criadas do zero
No Gemini 3.8 Flash TTS, o usuário pode descrever em linguagem natural características como papel, sotaque e estilo da voz para gerar uma identidade vocal própria.
O sistema também possui uma biblioteca com mais de 2 mil vozes prontas e permite replicar um perfil vocal usando apenas 30 segundos de áudio, desde que haja autorização do dono da voz. O Google utiliza verificação de consentimento, marca d'água SynthID e credenciais C2PA nesse processo.
IA pode receber instruções para cada frase
Outra mudança é o controle sobre a interpretação. O usuário pode determinar, linha por linha, como uma fala deve ser executada, incluindo ritmo, tom, pausas, sussurros e outras características.
Os modelos também conseguem manter dois personagens diferentes em uma mesma conversa e gerar conteúdo de longa duração preservando o timbre e o ritmo da voz. Recursos como risadas, suspiros e pequenas interjeições também podem ser adicionados ao roteiro.
O Gemini 3.8 Flash TTS é voltado principalmente à criação e direção detalhada das vozes, enquanto o Flash-Lite TTS foi otimizado para geração em grande volume e com menor custo, incluindo dublagem e agentes de voz.
Novos modelos já chegam às ferramentas do Google
Os dois modelos começaram a ser disponibilizados em 23 de setembro de 2026. Desenvolvedores podem acessá-los pela Gemini API e pelo Google AI Studio.
O Flash TTS também está chegando ao Gemini Notebook, enquanto o Flash-Lite TTS está sendo integrado ao Google Vids. Versões para empresas serão disponibilizadas posteriormente pelo Gemini Enterprise.
A geração de voz fica mais parecida com uma direção de áudio
A mudança amplia o uso de modelos de voz além da simples conversão de texto em fala. Com criação de personagens, controle de interpretação e diálogos entre diferentes vozes, o Google aproxima a geração por IA de ferramentas completas de produção de áudio.
Isso pode ampliar o uso da tecnologia em dublagem, produção de conteúdo, audiolivros, jogos e interfaces conversacionais, especialmente em projetos que precisam produzir grandes quantidades de áudio em diferentes idiomas.