Gemini 3.8 Flash TTS: اول صدا را توصیف کنید، بعد متن را بنویسید
Gemini 3.8 Flash TTS مدل پیشتاز صدای Google و نخستین مدلی است که بهجای انتخاب از میان صداهای آماده، خودتان آن را هدایت میکنید. صدای دلخواهتان را با زبان ساده توصیف کنید؛ مثلاً مسئول خسته شیفت شب یا راوی نوجوانی پرانرژی. سپس متن شما را با همان صدا و با لهجه دلخواهتان در بیش از 130 زبان اجرا میکند. نحوه اجرا را خط‌به‌خط هدایت کنید، گفت‌وگویی دونفره میان شخصیت‌ها بسازید و در ساعت‌ها فایل صوتی، طنین صدا را یکدست نگه دارید. همین حالا در AI Playground پیکس‌آرت در دسترس است.
- صدای دلخواهتان را توصیف کنید
- اجرا را خط‌به‌خط هدایت کنید
با Gemini 3.8 Flash TTS آشنا شوید؛ ساخته‌شده برای شخصیتپردازی، نه فقط وضوح صدا
بیشتر ابزارهای تولید صدای هوش مصنوعی فهرستی از صداها برای انتخاب و یک لغزنده برای تنظیم سرعت دارند. Gemini 3.8 Flash TTS رویکردی کاملاً متفاوت دارد: این مدل برتر صدای خلاقانه Google برای هدایت خلاقانه عمیق و طراحی شخصیت ساخته شده و بهجای فهرست انتخاب، با توصیف شما شروع میکند. 30 صدای اصلی Google به کتابخانهای با بیش از 2,000 صدای آماده تولید تبدیل شده‌اند و میتوانید صدایی تازه بسازید که اصلاً در آن کتابخانه وجود ندارد. این مدل در آزمون Voice Design Benchmark شرکت Hume AI رتبه نخست را کسب کرد؛ آزمونی که دقیقاً برای سنجش همین قابلیت طراحی شده است.
صدایی را با یک جمله و در بیش از 130 زبان طراحی کنید
آنچه می‌خواهید بشنوید بنویسید تا مدل آن را بسازد: سن، بافت، انرژی و لهجه صدا. بهجای اسپانیایی عمومی، اسپانیایی مکزیکی بخواهید؛ بهجای فرانسوی پاریسی، فرانسوی کبکی؛ یا لهجه اسکاتلندی و جنوب آمریکا را انتخاب کنید، نه لهجه‌ای خنثی و بی‌تمایز. این مدل از بیش از 130 زبان پشتیبانی میکند و خودش زبان متن شما را تشخیص می‌دهد؛ پس نیازی نیست متن را برچسب‌گذاری یا زبانش را مشخص کنید. بهترین نتیجه را در ژاپنی، پرتغالی برزیلی، ویتنامی، عربی معیار مدرن، اسپانیایی مکزیکی و هندی ارائه می‌دهد. هر بار که همان توصیف را وارد کنید، همان شخصیت صوتی را دریافت میکنید؛ قابلیتی که استفاده دوباره از یک صدا را در مجموعه‌ای از محتواها ممکن میکند، نه فقط در یک مورد.
- لهجه‌های منطقه‌ای را شکل دهید
درست مثل یک بازیگر، به صدای هوش مصنوعی دستور بدهید
خوانش یکنواخت همان چیزی است که صدای مصنوعی را لو می‌دهد. اینجا میتوانید هر خط را جداگانه هدایت کنید: این بخش را خسته بخواند، آن بخش را مثل یک جمله طنز اجرا کند و بخش بعدی را تا مرز نجوا پایین بیاورد. هرجا اجرای متن به خنده، آه، نفس‌نفس یا نفس حبس‌شده نیاز دارد، آن را اضافه کنید. صداهایی را وارد کنید که گفت‌وگوی واقعی را می‌سازند؛ مثل تأیید آرام یا صدای کوتاهی که کسی در حین حرف‌زدن طرف مقابل درمی‌آورد. همچنین میتوانید صحنه‌ای دونفره بسازید که هر شخصیت در طول گفتوگو صدای مخصوص به خودش را حفظ کند. این کار بیشتر شبیه کارگردانی یک اجراست تا تولید صدا؛ برای همین خروجی دیگر شبیه تبدیل متن به گفتار نیست.
صدایی که در ضبط‌های طولانی تغییر نمی‌کند
مدل‌های صدا معمولاً در محتوای طولانی به مشکل می‌خورند: طنین صدا تغییر میکند، فضای ضبط عوض می‌شود و فصل نهم با فصل اول هم‌خوانی ندارد. Gemini 3.8 Flash TTS کیفیت صدا، ریتم و طنین شخصیت را برای ساعت‌ها ثابت نگه می‌دارد و از اولین خط تا آخرین خط، بلندی صدا و فضای آکوستیک یکسانی ارائه می‌دهد. فایل صوتی بهصورت استاندارد WAV آماده است تا آن را مستقیماً وارد پروژه ویرایش کنید. برای دوبله یا ساخت دستیار صوتی به تولید انبوه نیاز دارید؟ Gemini 3.8 Flash-Lite TTS از همین خانواده است و برای پردازش سریع و پربازده بهینه شده. در پیکس‌آرت، هر دو مدل در کنار بیش از 150 مدل دیگر در دسترس‌اند؛ میتوانید اینجا به متن خود صدا بدهید و برای متن بعدی سراغ مدل دیگری بروید.
- یک صدا را در ضبط‌های طولانی حفظ کنید
با Gemini 3.8 Flash TTS چه چیزهایی میتوانید بسازید
کتاب صوتی و روایت طولانی
ساعت‌ها با یک صدای یکدست ضبط کنید، بدون اینکه طنین صدا بین جلسات تغییر کند؛ و به راوی برای هر فصل جداگانه دستور بدهید.
سؤالات متداول Gemini 3.8 Flash TTS
مدل پیشتاز تبدیل متن به گفتار Google است که در سپتامبر 2026 منتشر شد و برای هدایت خلاقانه و طراحی شخصیت ساخته شده است. بهجای انتخاب از فهرستی ثابت از صداها، صدای دلخواهتان را توصیف میکنید تا متن شما را با همان صدا در بیش از 130 زبان اجرا کند؛ با امکان هدایت هر خط بهصورت جداگانه.
با GPT Image 2.5 تصویرهای هوش مصنوعی بسازید
Pro
Most popularAI tools for everyday creative work.
Ultra
Most powerfulHeavy AI usage for creators & teams.
با GPT Image 2.5 تصویرهای هوش مصنوعی بسازید
Pro
Most popularAI tools for everyday creative work.
Ultra
Most powerfulHeavy AI usage for creators & teams.