Gemini 3.8 TTS: Google permite modificar uma voz sintética existente com um simples comando
O Google lançou em 4 de novembro o Voice Remixing para o Gemini 3.8 Flash TTS: parte-se de uma voz da biblioteca ou criada sob medida e ajusta-se o sotaque, o timbre, o tom ou o ritmo por meio de um comando de texto. O recurso, restrito a projetos pagos, não se aplica a vozes clonadas.
O Google disponibilizou em 4 de novembro de 2026 o Voice Remixing para o Gemini 3.8 Flash TTS, seu modelo de síntese de voz lançado em setembro. O princípio: em vez de criar uma voz do zero, parte-se de uma voz existente e a altera usando um comando escrito, como “adicione um leve sotaque do sul dos Estados Unidos” ou “deixe a voz um pouco mais velha, mais calma, com o ritmo de um audiolivro”. A função está disponível no Google AI Studio e na API Gemini.
Como funciona
Escolhe-se uma voz de base: uma das 30 vozes de estúdio do Google, uma voz da biblioteca estendida (mais de 2.000 vozes, de acordo com o Google) ou uma voz já gerada por descrição (“Voice design”). Em seguida, descrevem-se as alterações relativas desejadas: idade, tom, energia, timbre, sotaque, velocidade. O modelo gera uma nova voz armazenada, com identificador próprio e uma pequena prévia em áudio, sem alterar a voz original. Esse remix pode, por sua vez, servir de base para outro remix, permitindo refinar a voz aos poucos.
As vozes resultantes funcionam com o Gemini 3.8 Flash TTS e sua versão mais leve, o Flash-Lite TTS. O recurso é exclusivo para projetos de API pagos (nível 1 ou superior). Um projeto pode armazenar até 200 vozes personalizadas no total, e cada voz expira um ano após seu último uso.
O que fica de fora: vozes clonadas
O Gemini 3.8 TTS oferece cinco maneiras de obter uma voz, incluindo a replicação de uma voz real a partir de uma gravação. Esse método segue regras mais rigorosas: o Google exige uma amostra de 10 a 30 segundos e uma gravação de consentimento do mesmo locutor adulto, lendo uma frase pré-determinada, além de rejeitar áudios sintéticos ou que contenham marcas d’água SynthID ou C2PA. Qualquer áudio gerado recebe uma marca d’água SynthID inaudível, segundo a documentação.
Já o remix foi concebido para ser aplicado a vozes pré-construídas, às da biblioteca e a vozes criadas ou já remixadas do projeto. As vozes replicadas não aparecem na lista de bases aceitas: portanto, segundo a documentação, não é possível partir de uma voz clonada para transformá-la.
Nossa leitura
Para criadores de vídeos, podcasts ou jogos, o Voice Remixing resolve um problema prático: encontrar uma voz “quase” perfeita em uma biblioteca e precisar recomeçar do zero para mudar um único detalhe. Conseguir manter a base de uma voz e ajustar apenas o sotaque ou o ritmo aproxima a direção vocal do trabalho com um ator real. Trata-se de uma evolução incremental, e não de um modelo totalmente novo, e sua qualidade real ainda precisa ser comprovada por testes independentes. O ponto mais interessante é a decisão do Google de restringir o remix a vozes sintéticas, mantendo as vozes clonadas sob um protocolo rigoroso de consentimento — uma proteção bem-vinda, embora limite-se ao ecossistema de ferramentas do próprio Google.
Fontes
- Google (X) — anúncio do Voice Remixing para Gemini 3.8 Flash TTS Fonte primária
- Google AI for Developers — guia Voice remixing Fonte primária
- Google AI for Developers — registro de alterações da API Gemini (4 de novembro de 2026) Fonte primária
- Google — Gemini 3.8 Flash TTS and Gemini 3.8 Flash-Lite TTS (23 de setembro de 2026) Fonte primária
- Google AI for Developers — guia Speech generation (opções de voz) Fonte primária
- Google AI for Developers — guia Voice replication Fonte primária
Uma fonte primária vem diretamente da empresa, do laboratório ou da organização envolvida. Uma fonte secundária relata a informação sem ser a sua autora: nós a sinalizamos como tal. Encontrou um erro? Consulte nossa política de correções.
