Gemini 3.8 Flash TTS: mô tả giọng nói, rồi viết kịch bản
Gemini 3.8 Flash TTS là mô hình giọng nói hàng đầu của Google, và là mô hình đầu tiên để bạn chỉ đạo thay vì chọn giọng có sẵn. Hãy mô tả giọng nói bạn muốn bằng ngôn ngữ thông thường — một điều phối viên ca đêm mệt mỏi, một người dẫn chuyện tuổi teen đầy sức sống — rồi mô hình sẽ thể hiện kịch bản bằng giọng đó, với hơn 130 ngôn ngữ và đúng chất giọng bạn yêu cầu. Chỉ đạo cách đọc theo từng câu, dàn dựng đoạn hội thoại giữa hai nhân vật và giữ âm sắc nhất quán trong nhiều giờ âm thanh. Hiện đã có trong AI Playground của Picsart.
- Mô tả giọng nói bạn muốn
- Chỉ đạo cách đọc theo từng câu
Giọng nói được tạo bằng Gemini 3.8 Flash TTS
Khám phá Gemini 3.8 Flash TTS: tạo giọng có cá tính, không chỉ rõ lời
Hầu hết công cụ tạo giọng nói AI đều đưa ra danh sách giọng để bạn chọn cùng một thanh trượt tốc độ. Gemini 3.8 Flash TTS thì làm theo cách khác: đây là mô hình giọng nói sáng tạo hàng đầu của Google, được thiết kế để bạn thỏa sức chỉ đạo và xây dựng cá tính cho giọng nói, bắt đầu bằng mô tả thay vì danh sách thả xuống. 30 giọng nói nguyên bản của Google mở rộng thành thư viện gồm hơn 2.000 giọng sẵn sàng cho sản xuất, và bạn có thể mô tả một giọng hoàn toàn mới chưa có trong thư viện. Mô hình đứng đầu Voice Design Benchmark của Hume AI — bài đánh giá đúng với mục đích mà mô hình này được tạo ra.
Thiết kế giọng nói chỉ bằng một câu, với hơn 130 ngôn ngữ
Hãy viết điều bạn muốn nghe, mô hình sẽ tạo ra giọng nói phù hợp: độ tuổi, chất giọng, năng lượng và chất giọng vùng miền. Yêu cầu tiếng Tây Ban Nha Mexico thay vì tiếng Tây Ban Nha phổ thông, tiếng Pháp Quebec thay vì tiếng Pháp Paris, giọng Scotland hoặc miền Nam nước Mỹ thay vì giọng trung tính thiếu cá tính. Mô hình hỗ trợ hơn 130 ngôn ngữ và tự nhận diện ngôn ngữ bạn viết, nên bạn không cần gắn thẻ hay khai báo ngôn ngữ cho kịch bản — kết quả tốt nhất là với tiếng Nhật, tiếng Bồ Đào Nha Brazil, tiếng Việt, tiếng Ả Rập Hiện đại Tiêu chuẩn, tiếng Tây Ban Nha Mexico và tiếng Hindi. Cùng một mô tả sẽ tạo ra cùng một cá tính giọng nói mỗi lần, giúp bạn tái sử dụng giọng cho cả loạt nội dung thay vì chỉ dùng một lần.
- Tùy chỉnh chất giọng vùng miền
Chỉ đạo giọng AI như cách bạn hướng dẫn diễn viên
Giọng đọc đều đều là dấu hiệu dễ nhận ra nhất của giọng nói tổng hợp. Với công cụ này, bạn có thể chỉ đạo riêng từng câu: đọc câu này với vẻ mệt mỏi, nhấn câu kia như một câu chốt hài hước, rồi hạ giọng câu tiếp theo xuống gần như thì thầm. Thêm tiếng cười, tiếng thở dài, tiếng thở gấp hoặc hơi thở nghẹn đúng vào chỗ cần thể hiện. Bổ sung những âm thanh tạo nên cuộc trò chuyện đời thường — tiếng đồng tình khe khẽ, tiếng đáp nhỏ khi người kia vẫn đang nói — và dàn dựng một đoạn hội thoại thực sự giữa hai nhân vật, mỗi nhân vật giữ nguyên giọng riêng suốt cuộc trò chuyện. Cách làm này gần với chỉ đạo diễn xuất hơn là tạo giọng đọc, vì vậy âm thanh đầu ra không còn giống giọng đọc văn bản.
Giữ giọng nói nhất quán trong bản ghi âm dài
Các bản thu dài là thử thách với hầu hết mô hình giọng nói: âm sắc thay đổi, không gian âm thanh quanh người nói biến chuyển, chương chín không còn giống chương một. Gemini 3.8 Flash TTS giữ chất lượng giọng nói, nhịp điệu và âm sắc nhân vật ổn định trong nhiều giờ, duy trì cùng âm lượng và không gian âm học từ câu đầu đến câu cuối. Âm thanh được xuất dưới dạng WAV tiêu chuẩn, sẵn sàng đưa vào phần mềm chỉnh sửa. Nếu bạn cần xử lý số lượng lớn, chẳng hạn lồng tiếng hoặc xây dựng trợ lý giọng nói, hãy dùng Gemini 3.8 Flash-Lite TTS — cùng dòng mô hình, được tối ưu cho tốc độ xử lý. Picsart cung cấp cả hai cùng hơn 150 mô hình khác, để bạn tạo giọng cho kịch bản này rồi chuyển sang mô hình khác cho kịch bản tiếp theo.
- Giữ một giọng nói xuyên suốt bản thu dài
Bạn có thể tạo gì với Gemini 3.8 Flash TTS
Sách nói và lời dẫn dài
Thu âm hàng giờ bằng một giọng nhất quán, không bị đổi âm sắc giữa các phiên, đồng thời chỉ đạo người dẫn theo từng chương.
Câu hỏi thường gặp về Gemini 3.8 Flash TTS
Đây là mô hình chuyển văn bản thành giọng nói hàng đầu của Google, ra mắt vào tháng 9 năm 2026 và được thiết kế để sáng tạo, chỉ đạo giọng nói và xây dựng cá tính nhân vật. Thay vì chọn giọng từ danh sách cố định, bạn mô tả giọng mình muốn và mô hình sẽ thể hiện kịch bản bằng giọng đó, hỗ trợ hơn 130 ngôn ngữ và áp dụng chỉ đạo cho từng câu.
Tạo hình ảnh AI với GPT Image 2.5
Pro
Most popularAI tools for everyday creative work.
Ultra
Most powerfulHeavy AI usage for creators & teams.
Tạo hình ảnh AI với GPT Image 2.5
Pro
Most popularAI tools for everyday creative work.
Ultra
Most powerfulHeavy AI usage for creators & teams.