O Google anunciou neste 23 de setembro de 2026 dois novos modelos para síntese de voz, Gemini 3.8 Flash TTS e Gemini 3.8 Flash-Lite TTS, ampliando a família Gemini para aplicações de geração de áudio expressivo e customizável. Os modelos já estão disponíveis para uso em produtos como Google AI Studio, Gemini API, Gemini Enterprise, Gemini Notebook e Google Vids, mirando criadores de conteúdo, desenvolvedores e empresas.
Características principais
O destaque dos novos modelos está na capacidade de criar vozes originais do zero ou replicar vozes existentes a partir de prompts em linguagem natural. O Gemini 3.8 Flash TTS é voltado para direção criativa profunda e design de personagens, permitindo granularidade no controle de atuação, ritmo, sotaque e até inserção de sons conversacionais realistas (como risos, suspiros, interjeições).
Já o Gemini 3.8 Flash-Lite TTS foca em escala e eficiência, ideal para dublagem em alto volume, produção de conteúdo em áudio e agentes conversacionais expressivos. Ambos suportam mais de 100 idiomas e dialetos, com uma biblioteca de mais de 2.000 vozes prontas para produção, abrangendo variedades regionais como espanhol mexicano e inglês escocês.
A replicação de vozes pode ser feita com apenas 30 segundos de amostra (desde que haja direito de uso), contando com mecanismos de verificação de consentimento e marca d’água via SynthID para rastreabilidade e segurança. Em breve, será possível também remixar vozes da biblioteca, ajustando timbre, tom, ritmo e sotaque via prompt.
Controle detalhado de performance
Os modelos permitem direção linha a linha de scripts, seja por comandos explícitos ou por sugestões contextuais, possibilitando desde um atendimento calmo até cenas dramáticas com múltiplos interlocutores. Há suporte nativo para staging de cenas com dois personagens e geração de áudio long-form, mantendo a qualidade e o timbre consistente por horas.
Comandos não verbais, como
Segurança e uso responsável
O Google afirma que os modelos vêm com ferramentas de segurança integradas. Toda voz gerada pode ser marcada com SynthID e credenciais C2PA, para garantir autenticidade e rastreabilidade. O processo de replicação exige consentimento explícito, buscando mitigar riscos de uso indevido de identidades vocais.
Por que importa
A chegada do Gemini 3.8 Flash TTS e Flash-Lite TTS coloca o Google em posição mais competitiva frente a players como ElevenLabs e OpenAI, oferecendo não só variedade de vozes, mas também controle criativo detalhado e mecanismos de segurança nativos. Para desenvolvedores e produtores brasileiros, o suporte a mais de 100 idiomas e dialetos, aliado à integração com o ecossistema Google, facilita a criação de experiências de áudio ricas e localizadas, seja para automação de atendimento, games, podcasts ou educação.