Gemini 3.8 Flash TTS

Comment Gemini 3.8 Flash TTS lit un prompt

Gemini 3.8 Flash TTS reçoit deux textes, et chacun joue un rôle différent :

• Prompt est le script. Google indique que le modèle le traite « strictement comme une transcription littérale », donc chaque mot est lu à voix haute.
• Style est la façon de le dire : émotion, ton, rythme et interprétation pour l’ensemble du script, par exemple « chuchoté, nerveux » ou « chaleureux et lent, comme un animateur radio de fin de soirée ».

Gardez les indications hors du script. Google prévient qu’une ligne comme « Dis avec joie : Bonjour ! » peut être lue mot pour mot. Mettez « joyeux » dans Style et « Bonjour ! » dans le prompt.

Les exemples de cette page présentent séparément la voix, le style et le script. Dans Endless, choisissez la voix dans le menu Voix, écrivez le style dans Style et collez dans le prompt uniquement le texte entre guillemets.

Écrire le style

Le court fonctionne mieux. Les exemples de Google tiennent en quelques mots : « chuchoté, nerveux », « décontracté, amical », « marmonné, puis rassurant », « ton aigu, intonation joyeuse et enthousiaste ». Réservez-le à ce qui dure pendant toute la lecture :

• Émotion et ton : sarcastique, calme, enthousiaste, fatigué.
• Rythme : « en parlant lentement » ou « en parlant très vite ».
• Hauteur et intonation : « monotone et plat », « ton aigu ».

Google déconseille les longs profils de personnage ou les listes de notes de mise en scène dans le style, ainsi que des consignes comme « garde le même timbre ». Le texte en trop fait dériver la voix. Il précise aussi que les traits qui ne changent pas, comme l’âge, le genre ou un accent permanent, relèvent de la voix et non du style. Si l’émotion change en cours de script, découpez-le en plusieurs exécutions, chacune avec son style.

Balises en ligne

Pour un son à un endroit précis, écrivez une balise entre chevrons dans le script : Ç’a été une TRÈS longue journée <sigh> ... plus personne n’écoute. Le guide de prompts de Google répertorie celles-ci :

• Respiration et effort : <breath>, <heavy breath>, <exhales>, <pant>, <phew>, <pff>, <grunt>, <groan>, <argh>.
• Rires : <laugh>, <laughter>, <chuckle>, <giggle>, <snicker>, <cackle>.
• Tristesse et peur : <sigh>, <sob>, <cry>, <whimper>, <gasp>, <scream>, <shriek>.
• Autres sons de voix : <cough>, <sneeze>, <yawn>, <snort>, <tsk>, <hiss>, <growl>, <grr>, <moan>, <cheer>, <shout>, <whispers>, <throat-clearing>.
• Pauses : <short pause>, <long pause>.

Les balises ne servent que pour des sons humains. Google demande d’éviter les effets qui ne viennent pas de la voix, comme les applaudissements. Écrivez les balises en anglais même si le script est en français, comme le recommande Google. C’est pourquoi les prompts de cette page traduisent le texte et laissent les balises en anglais.

Rythme et emphase

Les virgules, les tirets et les points de suspension ajoutent des hésitations naturelles, et <short pause> ou <long pause> marquent un silence précis. Les majuscules ajoutent de l’emphase : « Ç’a été une TRÈS longue journée ». Les tics de langage écrits dans le script (« Ah, euh, oui, je crois que... hmm ») sont lus tels quels et donnent à la ligne un air spontané.

Voix et langues

Il y a 30 voix intégrées, Kore par défaut. Google décrit chacune en un mot, un bon point de départ :

• Lumineuse : Zephyr, Autonoe. Enjouée : Puck, Laomedeia. Pétillante : Sadachbia. Exubérante : Fenrir.
• Ferme : Kore, Orus, Alnilam. Informative : Charon, Rasalgethi. Experte : Sadaltager. Régulière : Schedar.
• Claire : Iapetus, Erinome. Fluide : Algieba, Despina. Directe : Pulcherrima.
• Décontractée : Callirrhoe, Umbriel. Informelle : Zubenelgenubi. Amicale : Achird. Légère : Aoede. Juvénile : Leda.
• Chaleureuse : Sulafat. Douce : Achernar. Délicate : Vindemiatrix. Soufflée : Enceladus. Mature : Gacrux. Rauque : Algenib.

Google annonce plus de 130 langues pour ce modèle et détecte la langue à partir du script, alors écrivez le texte dans la langue que vous voulez entendre. Le clonage de voix et la conception de voix de Google ne sont pas disponibles dans Endless, et chaque exécution lit avec une seule voix.

Réglages importants

• Prompt : le script, lu mot pour mot.
• Voix : l’une des 30 voix ci-dessus.
• Style : facultatif, jusqu’à 1 000 caractères. Laissez-le vide pour une lecture neutre.

Chaque exécution renvoie un fichier WAV avec le filigrane SynthID de Google.

Problèmes courants

• Une indication est lue à voix haute. Elle se trouve dans le prompt. Déplacez-la dans Style.
• Une balise est prononcée comme un mot. Vérifiez qu’elle utilise des chevrons, pas des crochets, et qu’elle figure dans la liste ci-dessus.
• Un effet sonore est ignoré ou sonne faux. Les balises sont réservées aux sons humains. Utilisez un modèle d’effets sonores pour les applaudissements, la pluie ou les portes.
• La voix dérive ou change de caractère. Raccourcissez le style à quelques mots et choisissez une voix plus proche de la lecture souhaitée.
• L’émotion ne change pas en cours de script. Le style s’applique à tout le script. Découpez-le en deux exécutions avec des styles différents.
• La pause est trop courte. Utilisez <long pause> ou des points de suspension.