Gemini 3.8 Flash TTS
Google · États-Unis
- Poids fermés (selon Artificial Analysis)
- Français annoncé
En bref : 9e sur 31 en synthèse vocale en français, dans un groupe de 4 modèles trop proches pour être départagés ; 5e sur 96 en synthèse vocale en anglais (Artificial Analysis), dans un peloton de 3 modèles que la marge d'erreur ne permet pas de séparer.
Présentation
Modèle de synthèse vocale principal de la gamme Gemini 3.8, à un ou plusieurs locuteurs, avec création de voix par description et reproduction d'une voix à partir d'un enregistrement. Google le destine aux productions créatives, aux accents régionaux et aux narrations longues à voix stable. Lu sur ai.google.dev, le 17/10/2026.
- Sortie
- 22 septembre 2026 lu sur la page de l'éditeur
Langues
- Annoncées par l'éditeur : plus de 130 langues, dont le français. Lu sur ai.google.dev.
- Évaluées par nos sources : français et anglais.
- Le français : annoncé par l'éditeur ; évalué, 9e sur 31 en synthèse vocale en français (1 205).
Ses 2 classements
Chaque ligne vient d'une seule source, dans son unité : les chiffres de deux lignes ne se comparent pas entre eux. Ils ne comptent pas dans le score des modèles de langage.
- En français · Synthèse vocale
Synthèse vocale en français
9e sur 31Elo 1 205, intervalle 1 184 à 1 226, 1 372 votes
Prix : 16 $ par million de caractères
Source : Artificial Analysis · relevé du 19 octobre 2026.
- En anglais · Synthèse vocale
Synthèse vocale en anglais, Artificial Analysis
5e sur 96Elo 1 278, intervalle 1 263 à 1 293, 2 806 votes
Prix : 16 $ par million de caractères
Source : Artificial Analysis · relevé du 19 octobre 2026.
Modèles proches
- Synthèse vocale en français : devant, Sonic 3.5 (8e, 1 233) · derrière, Gradium TTS (Aug 2026) (10e, 1 199)
- Synthèse vocale en anglais, Artificial Analysis : devant, Sonic 3.6 (4e, 1 287) · derrière, Qwen-Audio-3.0-TTS-Plus (6e, 1 265)
Comment lire ces chiffres
Synthèse vocale : Dans une arène, des votants écoutent deux voix à l'aveugle et choisissent la meilleure ; l'Elo en tire un classement, plus il est haut, mieux c'est. Le repère de prononciation compte les mots qu'un modèle de transcription comprend mal en relisant la voix : plus il est bas, mieux c'est.
D'où vient cette fiche
- Nom dans les sources
- Artificial Analysis :
Gemini 3.8 Flash TTS - Fiche
- Nom et éditeur tels que la source les écrit ; présentation et langues lues sur les pages de l'éditeur.
- Pages lues
- https://ai.google.dev/gemini-api/docs/models/gemini-3.8-flash-tts (« Gemini 3.8 Flash TTS ( gemini-3.8-flash-tts ) is Google's flagship creative text-to-speech model, engineered for studio-grade voice fidelity, expressive acting, authentic regional accents, and rock-solid long-form multi-turn stability. »), 17/10/2026
- https://ai.google.dev/gemini-api/docs/speech-generation (« Gemini 3.8 Flash TTS ( gemini-3.8-flash-tts ) ✔️ ✔️ ✔️ ✔️ »), 17/10/2026
- https://ai.google.dev/gemini-api/docs/speech-generation (« Model Single speaker Multi-speaker Voice design Voice replication »), 17/10/2026
- https://ai.google.dev/gemini-api/docs/changelog (« September 22, 2026 Gemini 3.8 Flash TTS and Gemini 3.8 Flash-Lite TTS generally available (GA) »), 17/10/2026
- https://ai.google.dev/gemini-api/docs/speech-generation (« Gemini 3.8 Flash TTS ( gemini-3.8-flash-tts ) supports over 130 languages »), 17/10/2026
- https://ai.google.dev/gemini-api/docs/speech-generation (« Finnish ✔️ - French ✔️ ✔️ Galician »), 17/10/2026
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.