AI IN

Gemini 3.8 Flash TTS: גוגל השיקה מודל שמעצב ומשכפל קולות אנושיים מטקסט

גוגל השיקה את Gemini 3.8 Flash TTS: מודל שמעצב קול חדש מתיאור טקסט, משכפל קול מ-30 שניות הקלטה ותומך ביותר מ-100 שפות. מה זה אומר לעסקים ויוצרי תוכן בישראל.

מערכת האתר3 דק׳ קריאה

גוגל הכריזה אתמול (23 בספטמבר) על Gemini 3.8 Flash TTS ואחותה החסכונית Gemini 3.8 Flash-Lite TTS, שני מודלים חדשים להמרת טקסט לדיבור שגוגל מתארת כ"מודלי הקול המבטאים ביותר" שהיא הוציאה עד כה. מעבר לאיכות, החידוש המרכזי הוא שאפשר עכשיו לעצב קול אנושי חדש לגמרי רק מתיאור מילולי, או לשכפל קול קיים מהקלטה של 30 שניות בלבד. זה שינוי כיוון של ממש בעולם ה-AI הקולי, וממש לא רק עוד עדכון גרסה.

מה בדיוק השתנה

עד היום, מי שרצה קול מותאם אישית ל-AI בחר בין רשימת קולות מוכנים או שילם על שכפול קול מקצועי. עכשיו גוגל מציעה שתי דרכים חדשות: עיצוב קול גנרטיבי, כלומר יצירת קול חדש שלא קיים בעולם רק מתוך תיאור טקסטואלי של התפקיד, המבטא והגוון הרצוי; ושכפול קול מהקלטה קצרה בת 30 שניות בלבד, עם אימות הסכמה קולי כדי למנוע שימוש לרעה. לצד זה יש לגוגל ספרייה של יותר מ-2,000 קולות מוכנים מראש, כולל מבטאים אזוריים כמו ספרדית מקסיקנית, צרפתית קוויבקית ואנגלית סקוטית, ותמיכה ביותר מ-100 שפות וניבים.

יכולות שמקרבות את זה לבמאי אמיתי, לא רק למנוע הקראה

מה שמייחד את הדור הזה הוא רמת הבימוי. אפשר להוסיף הנחיות במה לכל שורה בתסריט (טון, קצב, רגש), והמודל גם יודע לפרש את זה בעצמו לפי הקשר. הוא תומך ב"backchanneling", כלומר צלילים טבעיים של האזנה פעילה כמו צחוק, אנחה או "אה-הא", ויודע לייצר שיחה דו-קולית שלמה מתסריט אחד תוך שמירה על שני קולות נבדלים לאורך זמן. לפי גוגל, המודלים שומרים על עקביות קולית גם לאורך שעות של הקלטה רציפה, בלי "סחיפה" בזהות הדובר, שזו בעיה נפוצה במודלים קודמים. כל קובץ שיוצא כולל סימון מים דיגיטלי בלתי נשמע (SynthID) ותעודת מקור (C2PA), כדי שאפשר יהיה תמיד לזהות שמדובר בתוכן שנוצר על ידי AI.

מחיר וזמינות

Gemini 3.8 Flash TTS מיועד לפרויקטים יצירתיים כמו פודקאסטים, ספרי שמע ודמויות במשחקים, ועולה כ-9 דולר למיליון טוקנים של פלט קול (0.50 דולר לטוקני קלט). ה-Flash-Lite הזול יותר, שמיועד לשימוש בקנה מידה כמו דיבוב אוטומטי וסוכני קול, עולה כ-6 דולר למיליון טוקנים של פלט. בפועל, גוגל מציינת עלות של כ-0.81 דולר לשעת אודיו במודל המלא וכ-0.54 דולר לשעה בגרסה הקלה. שני המודלים זמינים כבר עכשיו דרך Gemini API ו-Google AI Studio, וגם פלטפורמות צד שלישי כמו LiveKit ו-Pipecat כבר תומכות בהם.

למה זה חשוב לעסקים קטנים ויוצרי תוכן בישראל

זו בשורה מעשית ולא רק כותרת מרשימה. יוצרי תוכן יכולים סוף סוף להפיק קריינות מקצועית לסרטונים, פודקאסטים או תוכן לימודי בלי אולפן הקלטה, ולשכפל את הקול שלהם עצמם לפרויקטים חוזרים. לעסקים קטנים זו הזדמנות לבנות סוכני קול לשירות לקוחות או מענה טלפוני אוטומטי בעברית ובשפות נוספות, במחיר שמאפשר להתנסות בלי התחייבות גדולה. מי שרוצה להתחיל לעבוד נכון עם כלי Gemini מוזמן לעבור על מדריך הטיפים שלנו ל-Gemini, ובעמוד הכלים שלנו תוכלו למצוא עוד פתרונות AI רלוונטיים לעסק שלכם. עסקים שרוצים ליווי מסודר בהטמעת כלי קול כאלה בתהליכי העבודה יוכלו בקרוב למצוא אצלנו גם מסלול הטמעת AI ייעודי לכך.

מה הלאה

גוגל טרם פתחה גישה מלאה ל-Gemini Enterprise, אבל זה עניין של זמן קצר לפי קצב ההכרזות האחרון. עם תחרות ישירה כבר קיימת מול ElevenLabs ו-OpenAI בתחום הקול, הסביר להניח שהמחירים רק ימשיכו לרדת ושהיכולות רק יתרחבו. עסקים ויוצרים שיתחילו להתנסות היום בעיצוב קול ובשכפול קול, ילמדו להשתמש בכלי הזה נכון הרבה לפני שהוא יהפוך לסטנדרט בתעשייה.

שאלות נפוצות

מה זה Gemini 3.8 Flash TTS וכיצד הוא שונה ממודלים קודמים?

Gemini 3.8 Flash TTS הוא מודל חדש של גוגל להמרת טקסט לדיבור, שהוכרז ב-23 בספטמבר לצד גרסה חסכונית בשם Flash-Lite. החידוש המרכזי שלו הוא היכולת לעצב קול אנושי חדש כליל רק מתיאור מילולי, או לשכפל קול קיים מהקלטה קצרה של 30 שניות בלבד, בשונה מהעבר שבו ניתן היה רק לבחור מרשימת קולות מוכנים או לשלם על שכפול מקצועי.

כמה עולה השימוש ב-Gemini 3.8 Flash TTS ובגרסת ה-Lite?

המודל המלא, המיועד לפרויקטים יצירתיים כמו פודקאסטים וספרי שמע, עולה כ-9 דולר למיליון טוקנים של פלט קול ו-0.50 דולר לטוקני קלט, שהם כ-0.81 דולר לשעת אודיו. הגרסה הקלה Flash-Lite, המיועדת לשימוש בקנה מידה כמו דיבוב אוטומטי, עולה כ-6 דולר למיליון טוקנים של פלט, כ-0.54 דולר לשעה.

אילו יכולות בימוי קוליות מציע המודל החדש של גוגל?

אפשר להוסיף הנחיות במה לכל שורה בתסריט לגבי טון, קצב ורגש, והמודל גם יודע לפרש הנחיות אלה בעצמו לפי הקשר. הוא תומך ב'backchanneling' - צלילים טבעיים כמו צחוק ואנחה - ויכול לייצר שיחה דו-קולית שלמה מתסריט אחד תוך שמירה על שני קולות נבדלים ועקביים לאורך שעות של הקלטה.

מדוע Gemini 3.8 Flash TTS רלוונטי לעסקים קטנים ויוצרי תוכן בישראל?

יוצרי תוכן יכולים להפיק קריינות מקצועית לסרטונים ופודקאסטים בלי אולפן הקלטה, ולשכפל את קולם שלהם לפרויקטים חוזרים. עסקים קטנים יכולים לבנות סוכני קול לשירות לקוחות או מענה טלפוני בעברית ובשפות נוספות, במחיר נמוך שמאפשר התנסות בלי התחייבות גדולה.

עוד חדשות שיעניינו אתכם