Gemini 3.8 TTS: Google permite modificar una voz sintética existente mediante una simple instrucción

Google habilitó el 4 de noviembre de 2026 Voice Remixing para Gemini 3.8 Flash TTS, su modelo de síntesis de voz lanzado en septiembre. El principio: en lugar de crear una voz desde cero, se parte de una voz existente y se modifica con una instrucción escrita, del tipo «añade un ligero acento del sur de Estados Unidos» o «haz que la voz suene un poco más madura, más pausada, con un ritmo de audiolibro». La función está disponible en Google AI Studio y en la API de Gemini.

Cómo funciona

Se elige una voz base: una de las 30 voces de estudio de Google, una voz de la biblioteca ampliada (más de 2 000 voces según Google) o una voz ya diseñada mediante descripción («Voice design»). A continuación, se describen los cambios relativos deseados: edad, tono, energía, timbre, acento, velocidad. El modelo genera una nueva voz almacenada, con su propio identificador y un breve fragmento de muestra, sin alterar la voz de origen. Esta remezcla puede utilizarse a su vez como base para una nueva remezcla, con el fin de afinar una voz paso a paso.

Las voces resultantes funcionan con Gemini 3.8 Flash TTS y su versión más ligera Flash-Lite TTS. La función está reservada a proyectos de API de pago (nivel 1 o superior). Un proyecto puede almacenar hasta 200 voces personalizadas en total, independientemente de la categoría, y cada voz expira un año después de su último uso.

Lo que queda excluido: las voces clonadas

Gemini 3.8 TTS ofrece cinco formas de obtener una voz, entre ellas la replicación de una voz real a partir de una grabación. Esta última obedece a normas más estrictas: Google exige un fragmento de 10 a 30 segundos y una grabación de consentimiento del mismo hablante adulto, quien debe leer una frase predeterminada, y rechaza grabaciones sintéticas o que contengan marcas de agua SynthID o C2PA. Todo el audio generado incluye una marca de agua SynthID inaudible, según la documentación.

Por su parte, la remezcla está descrita para aplicarse a voces predefinidas, a las de la biblioteca y a voces diseñadas o previamente remezcladas dentro del proyecto. Las voces replicadas no aparecen en la lista de bases admitidas: por tanto, según la documentación, no es posible partir de una voz clonada para transformarla.