Le 4 novembre, Google a ajouté Voice Remixing au journal des modifications de l'API Gemini : décrivez un changement en une phrase, et une voix existante devient un nouveau timbre, enregistré sous un identifiant voice_ indépendant et réutilisable. La fonction s'adresse à Gemini 3.8 Flash TTS et Flash-Lite TTS, et peut aussi s'utiliser de façon interactive dans Google AI Studio.
Changer une voix en une phrase — mode d'emploi
Partez d'une voix prédéfinie, de la bibliothèque vocale étendue ou d'une voix personnalisée enregistrée, puis décrivez le changement en langage naturel — un autre accent, une autre hauteur, un rythme plus lent, un son plus âgé — et un appel à POST /v1beta/voices renvoie une nouvelle voix indépendante avec laquelle synthétiser la parole. Une voix remixée peut elle-même être remixée, de sorte qu'une voix signature peut s'affiner couche par couche.
Ce n'est pas du clonage vocal
Voice Remixing modifie une voix existante ; il ne fait pas surgir de nulle part le clone d'une vraie personne. Il se répartit le travail autrement que Voice Design et Voice Replication, lancés en septembre : le premier décrit une voix entièrement nouvelle à partir de zéro, le second reproduit une voix réelle avec consentement. Le journal du 22 septembre montre que Gemini 3.8 Flash TTS et Flash-Lite TTS sont devenus disponibles, avec le lancement le même jour de l'endpoint Voices qui les accompagne — Voice Remixing est construit sur cet endpoint.
Pour les podcasts, les cours, les contenus audio et les assistants vocaux, cela transforme le « réglage de la voix » d'un panneau de paramètres en une seule phrase : une voix de personnage fixe ne dépend plus d'essais de paramètres à l'aveuglette. Mais plus les voix sont faciles à modifier, plus la frontière des licences compte — à qui ressemble une voix remixée et si elle peut être utilisée commercialement, ce sont des points que les créateurs doivent encore vérifier avant usage. Pour choisir un outil, il vaut aussi consulter les critères de choix d'un outil de clonage vocal par IA, comparés pour les podcasts, les livres audio et les vidéos courtes.
