Gemini 3.8 Flash TTS ile Sesi Sıfırdan Tasarlamak

Google, 23 Eylül 2026’da Gemini ailesine iki yeni metinden konuşmaya modeli ekledi: Gemini 3.8 Flash TTS ve Gemini 3.8 Flash-Lite TTS. Google bu modelleri şimdiye kadarki en etkileyici ses üretim modelleri olarak tanımlıyor. Amaç, hazır ses seçeneklerinden oluşan durağan bir yapıyı dinamik bir yaratıcı stüdyoya dönüştürmek.

Modeller Google AI Studio, Gemini API, Gemini Enterprise, Gemini Notebook ve Google Vids üzerinden kullanılabiliyor.

Ne Değişti?

İki model farklı ihtiyaçlara hitap ediyor. Gemini 3.8 Flash TTS, derin yaratıcı yönlendirme ve karakter tasarımı için geliştirildi. Oyunlar, sesli kitaplar, podcastler ve etkileşimli medya için doğal dil komutlarıyla tamamen yeni sesler üretilebiliyor. Flash-Lite TTS ise yüksek hacimli ve maliyet etkin kullanım için tasarlandı; seslendirme, ses içeriği üretimi ve sesli asistanlar için ton ve tempo üzerinde ince kontrol sunuyor.

Ses tasarımı en büyük yenilik. Kullanıcılar rol, aksan ve ses özelliklerini doğal dille tarif ederek 100’den fazla dil ve lehçede özel sesler yaratabiliyor. Bunun yanında geniş dil kapsamına sahip 2.000’den fazla kullanıma hazır ses bulunuyor. Meksika İspanyolcası, Quebec Fransızcası ve İskoç İngilizcesi gibi bölgesel çeşitler de bu kütüphanede yer alıyor.

Ses kopyalama da mümkün. Kendi sesinizden ya da kullanım hakkına sahip olduğunuz bir sesten yalnızca 30 saniyelik bir örnekle tutarlı bir ses profili oluşturulabiliyor. Bu özellik yerleşik onay doğrulaması, SynthID filigranı ve C2PA kimlik bilgileriyle korunuyor.

Performansı Satır Satır Yönetmek

Ses seçildikten sonra her satırın nasıl söyleneceği ayrıntılı olarak yönetilebiliyor. Kullanıcı kendi sahne yönergelerini yazabiliyor ya da Gemini’nin metindeki ipuçlarına göre anlatımı yönlendirmesine izin verebiliyor. Sakin bir müşteri temsilcisinden fısıltıyla anlatılan gerilimli bir sahneye kadar geniş bir yelpaze mümkün.

Model, saatlerce süren kesintisiz seslerde kalite, doğal tempo ve karakter tınısını koruyabiliyor. Tek bir senaryodan iki konuşmacılı sahneler kurulabiliyor ve sesler birbirinden net şekilde ayrılıyor. Gülme, iç çekme gibi sözsüz ifadeler ve dinlediğini belli eden kısa onaylar da senaryoya eklenebiliyor. Google, Hume AI’ın ses tasarımı kıyaslamasında modelin 71,4 puanla genel sıralamada birinci olduğunu ve aksan modellemede de öne çıktığını belirtiyor.

Google güvenlik konusunda da ayrıntı veriyor. Ses kopyalamada sistem onay doğrulaması kullanıyor: Kullanıcının, referans konuşmacıyla eşleşen ses sahibinden sözlü bir onay kaydı sunması gerekiyor. Gemini Audio modellerinin ürettiği her ses kaydı ise SynthID ile filigranlanıyor. Geliştiriciler yeni yetenekleri Google AI Studio’daki ses deneme alanında hemen deneyebiliyor; burada sıfırdan ses kimlikleri tasarlanıp iki konuşmacılı senaryo düzenleyicisinde satır satır yönetilebiliyor.

Kimi İlgilendiriyor?

Bu modeller sesli kitap yayıncılarını, podcast üreticilerini, oyun geliştiricilerini ve sesli müşteri asistanı kuran şirketleri doğrudan ilgilendiriyor. Kaydedilen özel sesler saklanıp yönetilebildiği için uzun soluklu projelerde tutarlı bir ses kimliği korunabiliyor. Google, bir kütüphane sesini seçip tını, perde, tempo ve aksanını ince ayarla değiştirmeye yarayan ses yeniden düzenleme özelliğinin yakında geleceğini de duyurdu.

Türkiye’den Kullanıcılar İçin

Google 100’den fazla dil ve lehçeden söz etse de duyuruda Türkçenin kalitesine dair özel bir bilgi yok. Türkçe içerik üreten ekiplerin, modeli Google AI Studio’da kendi metinleriyle denemesi en sağlıklı yol. Ses kopyalama kullanılacaksa, ses sahibinin açık onayının alınması hem platformun kuralları hem de kişisel veri mevzuatı açısından şart.