Google bringt neue KI-Stimmen für Audioproduktion
Stimmreplikation aus 30 Sekunden Material und über 100 Sprachen für Hörbücher und Podcasts.
Gegenprüfung dieser Ausgabe: 2 Karten vor der Veröffentlichung korrigiert. Wie die Gegenprüfung arbeitet
Symbolbild, KI-generiert.
Google stellt mit Gemini 3.8 Flash TTS und Flash-Lite TTS zwei neue Text-zu-Stimme-Modelle vor, die mehr als 100 Sprachen abdecken. Stimmen lassen sich per Textbeschreibung erzeugen, aus 30-Sekunden-Proben replizieren und mit Regieanweisungen pro Dialogzeile steuern.
Die Belege
- Zwei neue Modelle: Gemini 3.8 Flash TTS und Flash-Lite TTS
- Sprachabdeckung: mehr als 100 Sprachen
- Stimmreplikation aus 30-Sekunden-Proben
- Zwei-Stimmen-Modus für Dialoge
- Regieanweisungen pro Dialogzeile möglich
Der Zusammenhang
Die Modelle richten sich laut The Decoder an kreative Audioproduktion wie Hörbücher, Spiele und Podcasts. Sie erweitern Googles Gemini-3.8-Reihe um spezialisierte Sprachsynthese-Varianten.
Warum das zählt
Für Marketing- und Content-Teams senkt das die Kosten für mehrsprachige Audioproduktion, etwa bei Schulungsvideos oder Produktpräsentationen. Verantwortliche sollten rechtliche Fragen zur Stimmreplikation klären, bevor reale Sprecherstimmen nachgebildet werden.
Die Möglichkeit, Stimmen aus 30-Sekunden-Proben zu replizieren, erhöht das Risiko von Stimmenmissbrauch ohne Einwilligung. Der Produktionskostenvorteil ist real, wirft aber neue Fragen zu Einwilligung und Urheberrecht auf.
Einsatz für interne Schulungsmaterialien testen und Richtlinie für Einwilligung bei Stimmreplikation festlegen.
Was diese Meldung nicht belegt: Preise, Verfügbarkeit nach Region und Schutzmechanismen gegen unbefugte Stimmenreplikation werden nicht genannt.
Text KI-erstellt und am 24.09.2026 automatisch von einer zweiten KI-Instanz gegen den erfassten Quelltext geprüft, ohne Einzelfreigabe durch einen Menschen. Redaktionell verantwortlich: Ali Reza Karwandian. Fehler gefunden? Korrektur melden · Unsere Grundsätze