Gemini 3.8 met la direction d'acteur vocal entre les mains de tout le monde
— AUDIOVISUEL
Google fait passer la voix de synthèse d'un menu de presets à un script annoté, ton, souffle, rire, chuchotement compris. La réplication vocale en trente secondes existe, mais reste bloquée dans une large partie de l'Europe et de quelques Etats américains.
Décrire une voix plutôt que la choisir dans un menu déroulant change la nature du travail. Jusqu'ici, le texte-vers-parole imposait un timbre figé, avec au mieux un curseur de vitesse. Gemini 3.8 Flash TTS accepte des indications de jeu directement dans le script, un soupir ici, un accent écossais là, une intention qui bascule d'une ligne à l'autre.
Le monteur son et le concepteur de contenus audio pour la publicité ou le podcast sont les premiers à sentir la différence. Générer une scène à deux voix depuis un seul script, avec l'alternance des interlocuteurs déjà posée, supprime une étape entière de montage bout à bout qui obligeait à produire chaque réplique séparément puis à recoller. Sur un format publicitaire de trente secondes ou un épisode de podcast d'une heure, cette continuité de timbre annoncée par Google sur les productions longues pèse directement sur le temps de post-production facturé au client.
La réplication vocale à partir d'un échantillon de trente secondes ouvre un autre usage, celui du doublage rapide ou de la voix de marque récurrente sans repasser en studio à chaque script. Google encadre la fonction d'une vérification de consentement par seconde captation, un garde-fou qui protège autant l'acteur voix que le studio qui commande la prestation.
Le point qui mérite un tempérament de contrat, c'est la géographie de cette fonction. La réplication vocale reste indisponible dans l'Espace économique européen, au Royaume-Uni, en Suisse, en Inde, ainsi qu'en Illinois et au Texas. Un studio parisien qui bâtit une offre de voix de marque autour de cette fonction bâtit une offre qui ne tourne pas chez lui.
Les scores de benchmark avancés par Google restent des mesures internes ou issues d'évaluations à l'aveugle dont les protocoles évoluent, un repère à prendre avec la prudence habituelle plutôt qu'un verdict définitif. Ce qui compte pour le devis, c'est la direction d'acteur textuelle elle-même, un vrai gain de temps sur l'écriture de scènes vocales complexes, avec une carte de disponibilité à vérifier avant de la vendre à un client européen.