Hình ảnh giúp hiểu rõ bài viết
Hai mô hình tạo giọng nói mới trên nền tảng Gemini
Google ngày 23/9/2026, theo giờ địa phương, công bố Gemini 3.8 Flash TTS và Gemini 3.8 Flash-Lite TTS, nhấn mạnh khả năng tùy chỉnh giọng nói và thể hiện ngữ điệu. Hai mô hình bắt đầu được cung cấp qua Gemini API và Google AI Studio với mã lần lượt là gemini-3.8-flash-tts và gemini-3.8-flash-lite-tts.
Phiên bản API dành cho Gemini Enterprise sẽ được triển khai sau. Gemini 3.8 Flash TTS hiện có trên Gemini Notebook cho mọi người dùng, trong khi Flash-Lite TTS được tích hợp vào Google Vids.
The Next Web cho biết hai mô hình hỗ trợ hơn 100 ngôn ngữ và phương ngữ, cùng hơn 2.000 giọng nói dựng sẵn. Gemini 3.8 Flash TTS còn có thể sao chép giọng nói từ đoạn mẫu dài 30 giây sau bước xác nhận đồng ý. Tuy nhiên, tính năng sao chép giọng nói qua Google AI Studio không được cung cấp tại Illinois, Texas, Khu vực Kinh tế châu Âu, Anh, Thụy Sĩ và Ấn Độ.
Gắn dấu nhận diện nội dung do AI tạo ra
Toàn bộ âm thanh do các mô hình Gemini Audio tạo ra được gắn watermark SynthID để hỗ trợ nhận diện giọng nói tổng hợp. Nội dung sử dụng giọng nói sao chép còn kèm thông tin xác thực nội dung C2PA.
Dù vậy, RuntimeWire lưu ý rằng tại thời điểm ra mắt, Google chưa công bố cụ thể cách thức xác minh sự đồng ý của chủ giọng nói, cũng như các số liệu về độ trễ và giới hạn sử dụng. Những nội dung này cũng chưa có đánh giá độc lập.
Kết quả đánh giá của Google và bảng xếp hạng độc lập khác nhau
Google tuyên bố Gemini 3.8 Flash TTS dẫn đầu Voice Design Benchmark của Hume AI với điểm tổng hợp 71,4 và đứng đầu về mô hình hóa ngữ điệu với 60,8 điểm. Theo hãng, Flash TTS và Flash-Lite TTS lần lượt giữ hai vị trí cao nhất trong Overall Quality Index của Hume AI.
Trong đánh giá sở thích ẩn danh của Voice Arena, hai mô hình nằm trong nhóm dẫn đầu ở các hạng mục tiếng Nhật, tiếng Bồ Đào Nha Brazil, tiếng Việt, tiếng Arab chuẩn hiện đại, tiếng Tây Ban Nha Mexico và tiếng Hindi. Việc tiếng Việt xuất hiện trong nhóm ngôn ngữ được đánh giá là chi tiết đáng chú ý với người dùng và nhà phát triển Việt Nam, song nguồn tin chưa nêu kết quả riêng cho từng mô hình tại thị trường Việt Nam.
RuntimeWire nhấn mạnh các kết quả Hume nói trên do Google công bố và chưa đủ để khẳng định thứ hạng giữa các sản phẩm. Theo trang này, Alan Cowen, cựu giám đốc điều hành Hume AI và hiện là giám đốc khoa học nghiên cứu tại Google DeepMind, cùng Leland Rechis đã tham gia quá trình phát triển sản phẩm.
Trên bảng xếp hạng độc lập Artificial Analysis Provider Voice, Gemini 3.8 Flash TTS đứng thứ hai với Elo 1.260 và khoảng tin cậy 95% là -17/+17. Flash-Lite TTS đứng thứ sáu với Elo 1.235 và khoảng tin cậy -16/+16. Cartesia Sonic 3.6 dẫn đầu với 1.757 mẫu đánh giá và Elo 1.273; Alibaba Qwen-Audio-3.0-TTS-Plus đứng thứ ba với Elo 1.259, Inworld Realtime TTS-2 đứng thứ tư với Elo 1.245, còn ElevenLabs v3 Conversational xếp thứ 12 với Elo 1.196 và khoảng tin cậy -15/+15.
Dẫn đầu bài kiểm tra phát âm nhưng khoảng cách rất hẹp
Trong Artificial Analysis Pronunciation Robustness Benchmark, Gemini 3.8 Flash TTS đạt 89,5%, đứng đầu bảng và cao hơn mức 88,2% của Gemini 3.1 Flash TTS.
OrcaRouter lưu ý Gemini 3.8 Flash TTS đạt Elo 1.260 từ 1.999 mẫu, trong khi Qwen-Audio-3.0-TTS-Plus đạt Elo 1.259 từ 1.447 mẫu, chênh nhau đúng một điểm. Khi xét khoảng tin cậy rộng, ba mô hình đứng đầu được đánh giá là nằm trong cùng một nhóm kết quả.
Miễn phí đến hết năm 2026
Ở gói tiêu chuẩn, cả hai mô hình được sử dụng miễn phí đến ngày 31/12/2026. Từ ngày 1/1/2027, Gemini 3.8 Flash TTS có giá 1 USD cho một triệu token đầu vào, 18 USD cho đầu ra âm thanh và 0,25 USD cho bộ nhớ đệm ngữ cảnh. Flash-Lite TTS có giá 1 USD cho đầu vào và 12 USD cho đầu ra âm thanh trên mỗi triệu token.
Với gói Batch & Flex, Flash TTS có mức giá 0,25-0,50 USD cho đầu vào và 4,50-9 USD cho đầu ra trên mỗi triệu token. Flash-Lite TTS có giá tương ứng 0,25-0,50 USD và 3-6 USD.
Gói Priority cũng miễn phí trong năm 2026. Sau đó, Flash TTS được tính 1,80 USD cho đầu vào và 32,40 USD cho đầu ra; Flash-Lite TTS có giá 1,80 USD cho đầu vào và 21,60 USD cho đầu ra trên mỗi triệu token.
Nhận xét
Đăng nhận xét