Audio
Gemini 3.8 Flash TTS en Twelver: diálogo a dos voces e interpretación dirigida con palabras
Hemos pasado la voz de Google a Gemini 3.8 Flash TTS. Las herramientas son las mismas: una voz, un diálogo a dos voces y una voz a partir de una descripción. Las indicaciones de interpretación ahora viajan aparte del texto, así que el modelo las sigue pero nunca las lee en voz alta.
Novedades
- Diálogo a dos voces: voces distintas, un archivo, una llamada.
- Describe la interpretación con palabras: «despacio, con calidez, casi en susurro al final».
- Risas, suspiros y pausas se marcan con <laugh>, <sigh>, <short pause> dentro del texto: suenan, no se leen como palabras.
- Decenas de idiomas, incluidos el turco, el árabe y el hindi, que Qwen no habla.
- Un segundo de voz terminada cuesta un 10% menos que en la versión anterior.
De un vistazo
| Detalle | Valor |
|---|---|
| Modelo | Gemini 3.8 Flash TTS (Google) |
| Sustituye a | Gemini 3.1 Flash TTS (versión preliminar) |
| Modos | Una voz · diálogo a dos voces · voz a partir de una descripción |
| Idiomas | Decenas, incluido el español |
| Texto por petición | Hasta 7000 caracteres |
| Cobro | Por segundos de audio terminado |
| Dónde en Twelver | Chat · servidor MCP |
Dos voces en un diálogo
Una sola petición, y dos presentadores de pódcast conversan con pausas naturales entre turnos. No son dos archivos pegados en el montaje.
Un idioma que Qwen no habla
Cuándo compensa Gemini y cuándo basta el Qwen3-TTS, más barato, está en el capítulo sobre Gemini TTS.
Preguntas frecuentes
¿Qué hay de nuevo en Gemini 3.8 Flash TTS?
Es la versión estable en lugar de la preliminar. Las indicaciones de interpretación ahora viajan aparte del texto, así que el modelo las sigue sin leerlas en voz alta, y un segundo de voz cuesta un 10% menos. Las capacidades son las mismas: una voz, un diálogo a dos voces y una voz a partir de una descripción.
¿Cómo locuto un diálogo entre dos personajes?
Escribe las frases de los dos personajes por papeles y el modelo las graba con voces distintas en un solo archivo. Puedes probarlo en el capítulo sobre Gemini TTS, que tiene una ventana con el propio modelo.
¿Gemini TTS o Qwen3-TTS?
Para una locución normal, Qwen3-TTS es unas cuatro veces más barato y puede clonar tu voz. Elige Gemini para el diálogo a dos voces, para dirigir la interpretación con palabras en español y para idiomas fuera de los diez que habla Qwen.
¿Puedo usar Gemini 3.8 Flash TTS desde Claude o Cursor?
Sí, por MCP: el texto a voz está disponible por MCP en Claude, Cursor y otros clientes; consulta la página de MCP.
Pruébalo
Abrir en el chat de TwelverCalifica tu experiencia