Gemini Voice Remixing ist eine Funktion, die Google am 4. November 2026 zu Gemini 3.8 Flash TTS hinzugefügt hat: Man wählt eine vorhandene Stimme und sagt in einem Satz, wie sie klingen soll, etwa älter, ruhiger oder mit einem anderen Akzent, und erhält eine neue Stimme, die man speichern und immer wieder verwenden kann. Der Einstieg liegt in Google AI Studio und in der Gemini API, und die angepasste Stimme funktioniert sowohl in Flash TTS als auch in Flash-Lite TTS.
Eine Stimme in vier Schritten ändern
Erster Schritt: Google AI Studio öffnen und zur TTS-Oberfläche gehen. Zweiter Schritt: einen Ausgangspunkt wählen, eine beliebige der über 2.000 voreingestellten Stimmen oder eine Stimme, die man früher selbst gestaltet hat. Dritter Schritt: „Remix this voice“ anklicken und die Änderung in einem Satz beschreiben, etwa „etwas sanfter im Ton, etwas langsamer im Tempo“. Am besten ändert man ein oder zwei Merkmale auf einmal, bei mehr gerät es leicht aus der Form. Vierter Schritt: die drei erzeugten Versionen nebeneinander anhören, eine auswählen und speichern, dann erhält man eine ID, die mit voice_ beginnt und die man später direkt zur Sprachsynthese verwendet. Wer die API nutzt, ruft POST /v1beta/voices auf und erhält ebenfalls eine wiederverwendbare Stimme.
Grenzen: kostenlose Stufe, Anzahl und Gültigkeitsdauer
Um Stimmen über die API zu ändern, braucht man ein kostenpflichtiges Projekt der Stufe Tier 1 oder höher, mit der kostenlosen Stufe geht es nicht. Pro Projekt lassen sich höchstens 200 eigene Stimmen speichern, sie bleiben ab der letzten Verwendung ein Jahr lang erhalten und werden danach gelöscht, wenn sie nicht genutzt werden. Verwechseln Sie das nicht mit dem Kopieren einer echten Stimme: Das ist eine andere Funktion, Voice Replication, die eine 30-sekündige Probe und eine mündliche Einwilligungsaufnahme der betreffenden Person verlangt. Remix verändert eine vorhandene KI-Stimme und berührt keine echte Identität.
Wann man es nutzt und wann nicht
Am besten eignet es sich für feste Rollen und feste Formate: Man stimmt die Stimme einmal ab und verwendet sie danach in jeder Folge wieder, ohne sie jedes Mal neu beschreiben zu müssen. Wer nur einen Satz im Ton ändern oder eine Stimmung wechseln will, sollte Remix nicht bemühen, sondern direkt in den Sprachparametern einen Stilhinweis schreiben, das geht schneller. Wer auf einmal fünf oder sechs Merkmale ändern und beim ersten Versuch alles richtig haben will, sollte es in zwei oder drei Runden angehen und pro Runde nur ein oder zwei Punkte bewegen.
