टेक जायंट गूगल ने अपने एआई पोर्टफोलियो में एक नया मॉडल पेश कर दिया है। गूगल का नया मॉडल Gemini 3.1 Flash TTS है। यह एआई मॉडल टेक्स्ट-टू-स्पीच मॉडल है। गूगल ने इस मॉडल को खासतौर पर बेहतर वॉइस क्वालिटी, कंट्रोल और स्केलेबिलिटी के लिए डिजाइन किया है। कंपनी की मानें तो यह मॉडल डेवलपर्स, एंटरप्राइज यूजर्स और एआई बेस्ड एप्लिकेशन को डिजाइन करने में मदद करने वाली है।
गूगल ने लॉन्च किया नया एआई स्पीच मॉडल। (फोटो क्रेडिट-Digit)
आपको बता दें कि Gemini 3.1 Flash TTS, Gemini 3 Pro पर बेस्ड है। इसका सबसे ज्यादा इस्तेमाल टेक्स्ट को ऑडियो में बदलने के लिए किया जाने वाला है। गूगल का यह नया एआई मॉडल 16K टोकन्स तक टेक्स्ट इनपुट और 32K टोकन्स तक ऑडियो आउटपुट को सपोर्ट करता है। इसके साथ ही Gemini 3.1 Flash Live वेरिएंट पेश किया गया है जो टेक्स्ट के साथ ऑडियो, इमेज और वीडियो इनपुट को भी सपोर्ट करता है। इसका बड़ा फायदा यह होगा कि इसकी मदद से मल्टीमॉडल इंटरैक्शन को सक्षम बनाता है।
मिलेगी बेहतर वॉइस क्वालिटी
Google के अनुसार, इस नए मॉडल में आवाज की क्वालिटी को और बेहतर किया गया है, जिससे बोलने की आवाज ज्यादा नेचुरल और साथ ही रियल एक्सप्रेशन लगते हैं। इसमें ऑडियो टैग्स की मदद से यूजर आवाज का टोन, स्पीड और बोलने का तरीका कंट्रोल कर सकते हैं। इसके अलावा, इसमें मल्टी-स्पीकर सपोर्ट भी है, जिससे अलग-अलग आवाजों में बातचीत तैयार की जा सकती है।
सिक्योरिटी के लिए वॉटरमार्किंग टेक्नोलॉजी का सपोर्ट
गूगल ने इस एआई मॉडल में सिक्योरिटी के लिए SynthID वॉटरमार्किंग टेक्नोलॉजी दी गई है, जिससे AI-जनरेटेड ऑडियो की पहचान की जा सकती है। Gemini 3.1 Flash TTS में कंपनी ने डेवलपर्स के लिए Google AI Studio में एडवांस कंट्रोल टूल्स उपलब्ध कराए हैं जिसकी मदद से स्पीच आउटपुट डिटेल को आसानी से मैनेज कर सकते हैं। डेवलपर्स इसके साथ ही सेटिंग्स को Gemini API कोड के रूप में एक्सपोर्ट कर पाएंगे। गूगल का यह मॉडल 70 से ज्यादा भाषाओं को सपोर्ट करता है जिससे अलग-अलग रीजन के लोग आसानी से इसे इस्तेमाल कर सकते हैं।
Premium