أصدرت غوغل في 23 سبتمبر نموذجين لتحويل النص إلى كلام، هما جيميناي 3.8 فلاش تي تي إس وجيميناي 3.8 فلاش لايت تي تي إس، والرقم الأبرز هو مكتبة الأصوات: أكثر من ألفي صوت جاهز للإنتاج، مقابل ثلاثين صوتًا كانت تقدمها نماذج الكلام السابقة في جيميناي، وفق عرض موقع يونايت إيه آي. وتمتد التغطية إلى أكثر من مئة لغة ولهجة، بينها لهجات إقليمية تسمّيها غوغل صراحة: الإسبانية المكسيكية، والفرنسية الكيبيكية، والإنجليزية الاسكتلندية.
والنموذجان متاحان الآن عبر واجهة جيميناي البرمجية وعبر غوغل إيه آي ستوديو.
نموذجان ومهمتان
تصف غوغل فلاش تي تي إس بأنه مبني للإخراج الإبداعي العميق وتصميم الشخصيات — الألعاب والكتب الصوتية والبودكاست — وفلاش لايت تي تي إس بأنه الخيار الاقتصادي للأحجام الكبيرة، الموجّه إلى الدبلجة ووكلاء الصوت. ولم تنشر غوغل أسعارًا لأي منهما في منشور الإعلان.
والقدرة الأهم من عدد الأصوات هي تصميم الصوت. فبدل الاختيار من قائمة، يصف المطوّر بلغة عادية الصوت الذي يريده — الدور واللكنة وطابع الأداء — فيولّده النموذج. كما تدعم غوغل الإخراج سطرًا سطرًا، حيث توجّه إشارات النص طريقة القراءة، وإخراجًا أصليًا بصوتين للحوارات، وتوليدًا طويلًا تقول الشركة إنه يصمد عبر ساعات من الصوت.
الاستنساخ والموافقة والخريطة
يستطيع النموذجان أيضًا استنساخ صوت من عيّنة مدتها ثلاثون ثانية، وهو ما تشترط له غوغل خطوة للتحقق من الموافقة. ويحمل الناتج علامة سينث آي دي المائية.
عند هذه النقطة يتوقف الإصدار عن كونه تحديث منتج. فاستنساخ الصوت عبر إيه آي ستوديو غير متاح في إلينوي وتكساس والمنطقة الاقتصادية الأوروبية والمملكة المتحدة وسويسرا والهند — وهي قائمة تُقرأ كخريطة لقوانين القياسات الحيوية والذكاء الاصطناعي لا كقائمة أسواق. فلإلينوي وتكساس قوانين بشأن المعرّفات الحيوية، وللمنطقة الاقتصادية الأوروبية والمملكة المتحدة أنظمة لحماية البيانات تعامل بصمة الصوت بوصفها بيانات حساسة.
ادعاء القياس
تفيد غوغل بأن فلاش تي تي إس جاء أولًا في معيار تصميم الصوت لدى هيوم إيه آي بنتيجة 71.4، وأولًا في نمذجة اللكنة بنتيجة 60.8. وهيوم إيه آي طرف ثالث، غير أن النتائج بصيغتها المعروضة هي استشهاد غوغل بها في منشورها الخاص، لا تقييم مستقل لهذا الإصدار. ويفيد موقع يونايت إيه آي بأن فلاش تي تي إس وفلاش لايت تي تي إس حلّا أولًا وثانيًا في مؤشر الجودة العام لدى هيوم.
ما ينبغي مراقبته
أمران. هل تنشر غوغل سعرًا لكل حرف أو لكل ثانية لفلاش لايت، فاقتصاد الدبلجة يتوقف على ذلك بالكامل. وهل تثبت خطوة التحقق من الموافقة متانة كافية لإبقاء الخاصية متاحة في الولايات القضائية المستبعدة اليوم، أم أن قائمة الاستبعاد ستتسع.
