Google का AI अब बोलेगा आपके स्टाइल में, 70+ भाषाओं को सपोर्ट करेगा Gemini 3.1 Flash TTS

गूगल ने अपनी AI आवाज तकनीक में एक बड़ा कदम आगे बढ़ाते हुए Gemini 3.1 Flash TTS नामक एक नया text-to-speech टेक्स्ट-टू-स्पीच मॉडल लॉन्च किया है, जो अब सिर्फ पढ़कर नहीं, बल्कि user's style यूजर के स्टाइल में बोलने में सक्षम है। इसका मतलब यह है कि AI आपके बताए गए तरीके—तेज, धीमा या किसी विशेष tone टोन में—जवाब दे सकता है। यह बदलाव उपयोगकर्ता अनुभव को और अधिक natural नेचुरल और व्यक्तिगत बनाता है।

कंपनी दावा करती है कि यह अब तक का सबसे expressive एक्सप्रेसिव और नियंत्रण में आसान AI वॉयस मॉडल है। इसमें विशेष audio tags ऑडियो टैग्स शामिल किए गए हैं जो उपयोगकर्ताओं को आवाज के delivery डिलीवरी पर गहरा नियंत्रण देते हैं। उदाहरण के लिए, आप स्पष्ट रूप से निर्देश दे सकते हैं कि किस शब्द पर emphasis एम्फेसिस हो, कहाँ pause पॉज लगे, या बोलचाल की speed स्पीड क्या हो।

एक और महत्वपूर्ण नवाचार यह है कि इसमें multi-speaker मल्टी-स्पीकर समर्थन है। इसका अर्थ है कि एक ही ऑडियो आउटपुट में विभिन्न आवाजों का उपयोग किया जा सकता है, जिससे कंटेंट निर्माता, कहानीकार और ग्राहक सेवा टीमों के लिए इसकी उपयोगिता बढ़ जाती है। आवाजों के अलग-अलग identity पहचान होने से बातचीत या कहानी जीवंत लगती है।

यह मॉडल 70 से अधिक भाषाओं का समर्थन करता है, जिससे यह वैश्विक स्तर पर उपयोग के लिए उपयुक्त हो जाता है। गूगल ने audio quality ऑडियो गुणवत्ता पर विशेष ध्यान दिया है ताकि आवाज clear स्पष्ट और मानव के समान लगे।

सुरक्षा के मद्देनजर, गूगल ने इसमें SynthID नामक एक तकनीक भी शामिल की है, जो AI द्वारा उत्पन्न ऑडियो में एक अदृश्य watermark वॉटरमार्क जोड़ती है। यह transparency पारदर्शिता और डिजिटल security सुरक्षा बढ़ाने में मदद करता है और यह सुनिश्चित करता है कि AI-जनित सामग्री को पहचाना जा सके।

फिलहाल, यह मॉडल डेवलपर्स और उद्यम उपयोगकर्ताओं के लिए Gemini API, Google AI Studio और Vertex AI के माध्यम से प्रीव्यू में उपलब्ध है। सामान्य उपयोगकर्ता इसे Google Vids जैसे उपकरणों के जरिए अपनी सामग्री में शामिल कर सकते हैं। यह निश्चित रूप से भविष्य में AI और मानवीय interaction इंटरैक्शन के बीच की खाई को कम करेगा।