# Thiết kế và replicate giọng nói với Gemini 3.8 Flash TTS

[Thor Schaeff](https://homus.dev/speakers/thor-schaeff) · [Google for Developers](https://homus.dev/orgs/google-for-developers)

> Design giọng mới bằng prompt và replicate giọng mình trong Google AI Studio, rồi dùng Gemini API và coding agent để liệt kê voice và tạo podcast hai người nói.

Topics: Dev Tools, Coding Agents, Skills

Canonical: https://homus.dev/talks/design-and-replicate-voices-with-gemini-3-8-flash-tts

## 1. Màn mở đầu bằng một giọng nói được replicate

Thor Schaeff (Google DeepMind, theo phần mô tả video) mở đầu bằng lời chào: "Welcome back!". Hôm nay, anh nói, chúng ta sẽ xem một thứ làm thay đổi hoàn toàn những gì có thể làm với giọng nói tổng hợp (synthetic speech). Trước đây, text-to-speech có nghĩa là chọn một giọng trong một nhúm giọng có sẵn (preset), nghe cũng tạm ổn nhưng không bao giờ thật sự mang tính cá nhân. Theo anh, điều đó thay đổi từ hôm nay: video đi sâu vào các khả năng TTS mới nhất của Gemini tính tới ngày video đăng (21/10/2026), dẫn đầu là hai nâng cấp lớn, **voice design** và **voice replication**.

![Thor Schaeff cạnh màn hình Playground của Google AI Studio, Speaker 1 là Thor's Studio Voice, model Gemini 3.8 Flash TTS](https://homus.dev/photos/SOF3_evPje8-0003.jpg)

Playground của Google AI Studio lúc mở đầu: khối Speaker 1 dùng giọng "Thor's Studio Voice (Custom)", nội dung chính là đoạn chào mở đầu (có cả thẻ `<laugh>`), và cột Run settings chọn model Gemini 3.8 Flash TTS (`gemini-3.8-flash-tts`).

Rồi anh lật bài: "Yes, exactly". Đoạn mở đầu vừa rồi chính là giọng của anh, được anh replicate ngay trong Google AI Studio từ chỉ khoảng 20 giây audio, theo lời anh trong video đăng ngày 21/10/2026. Trên màn hình, đoạn chữ trong khối Speaker 1 đúng là những câu vừa được đọc lên, kèm một thẻ `<laugh>` ở cuối câu đầu.

Anh đùa tiếp: vậy là giờ Gemini TTS có thể làm hết phần việc nặng nhọc thay anh rồi. "No, of course, just kidding." Anh vẫn ở đây, và vẫn ở đây để dẫn người xem đi qua các tính năng mới. Điều anh thấy thật sự hay là có thể replicate giọng của chính mình ngay bên trong Google AI Studio (theo video đăng ngày 21/10/2026).

Trên màn hình, ô mô tả model ở cột phải ghi Gemini 3.8 Flash TTS là "Flagship TTS model for Voice Design and dual-speaker screenplay control", cho phép prompt các vocal persona tuỳ chỉnh, điều khiển cách đọc từng dòng (line-by-line delivery) và thêm vocal burst. Đó là mô tả của AI Studio tại thời điểm video đăng (21/10/2026).

## 2. Hai cách tạo giọng mới: Voice Design và Voice Replication

Theo Thor (video đăng ngày 21/10/2026), ngoài replicate giọng của mình, ta cũng có thể tạo một giọng hoàn toàn mới bằng **voice design**: chỉ cần mô tả giọng mình đang tìm. Khi bấm tạo giọng trong AI Studio, một hộp thoại "Create voice" hiện ra với đúng hai lựa chọn.

![Hộp thoại Create voice trong Google AI Studio với hai ô Voice Design và Voice Replication](https://homus.dev/photos/SOF3_evPje8-0103.jpg)

Hộp thoại "Create voice" (giao diện AI Studio trong video đăng ngày 21/10/2026): Voice Design (mô tả bằng lời giọng bạn muốn: tuổi, timbre, accent, nhịp, rồi tạo từ text) và Voice Replication (clone một giọng từ một bản ghi ngắn: upload hoặc thu một mẫu, rồi xác minh đó là giọng của bạn).

Theo chữ trên màn hình (giao diện AI Studio trong video đăng ngày 21/10/2026), Voice Design là "Describe the voice you want in words: age, timbre, accent, pacing, and generate it from text", còn Voice Replication là "Clone a voice from a short recording. Upload or record a sample, then verify it's yours". Vế cuối cho thấy bước replicate có một bước xác minh rằng mẫu giọng là của chính người tạo.

Hai cách tạo giọng trong video: prompted voice (Voice Design) và replicated voice (Voice Replication). Theo Thor (video đăng ngày 21/10/2026), cả hai thành custom voice của tài khoản, dùng được trong Playground và qua Gemini API.

## 3. Mô tả một giọng: người dẫn podcast Argentina

Thor lấy một ví dụ cá nhân: anh không giỏi tiếng Tây Ban Nha, nhưng vừa trở về từ một hội nghị rất vui ở Argentina. Vậy thì một người dẫn podcast Argentina sẽ là lựa chọn hợp. Anh đặt tên giọng là "Argentine Podcast Host".

Trong giao diện AI Studio ở video đăng ngày 21/10/2026, ô "Describe it" có dòng hướng dẫn: timbre và độ dày giọng, tuổi, giới tính, cao độ, nhịp, accent, tông, các tật khi nói (delivery quirks), "càng cụ thể, kết quả càng tốt". Khi còn trống, ô này hiện một ví dụ mẫu: một thám tử noir gai góc ở tuổi 50, giọng khàn trầm, cách nói khô, nhịp chậm rãi có chủ ý, phảng phất vẻ mệt mỏi và hoài nghi.

Thor đọc mô tả của mình bằng giọng nói (một thanh ghi âm nhỏ hiện ở dưới hộp thoại), đại ý: một nữ dẫn podcast giọng năng lượng cao, khoảng giữa tuổi hai mươi, mang accent tiếng Tây Ban Nha địa phương rất đậm của Buenos Aires, Argentina, đang dẫn một chương trình radio bằng tiếng Tây Ban Nha.

Xong, anh bấm **Improve my prompt**. Mô tả được viết lại chi tiết hơn hẳn, rồi anh bấm **Generate voice**.

![Create voice, Voice Design: tên Argentine Podcast Host và đoạn mô tả đã được Improve my prompt viết lại](https://homus.dev/photos/SOF3_evPje8-0143.jpg)

Mô tả sau khi bấm Improve my prompt: một nữ dẫn podcast giữa tuổi hai mươi, nói accent Rioplatense đặc trưng của Buenos Aires, timbre sáng và trẻ, nhịp nhanh như một chương trình radio đô thị, nhiều chữ "che" và "voseo", không gian thu âm studio. Khung bên phải ghi "Three takes to audition will appear here".

Bản mô tả mới, như trên màn hình, yêu cầu: đọc như một người dẫn podcast nhiều năng lượng, lôi cuốn, ở giữa tuổi hai mươi, nói bằng accent Rioplatense rõ rệt và chân thật của Buenos Aires; timbre sáng, trẻ, cuốn hút, với nhịp nhanh và tự nhiên của một chương trình radio đô thị tốc độ cao; prosody biểu cảm, giàu giai điệu, cao độ đổi liên tục để nhấn sự hào hứng và gần gũi; cách nói như một cuộc trò chuyện thẳng thắn, không gọt giũa giữa bạn bè, ồn ào, sống động, đầy những chữ "che" và các biến thể "voseo" có nhịp; giữ âm học chất lượng studio với giọng phóng về phía trước, rõ nét, có tiếng thở tự nhiên ở cuối câu để truyền sự nhiệt tình và chân thật; giữ nhịp nhanh, tránh những quãng ngừng kiểu robot, ưu tiên một dòng chảy dồn dập. Đoạn chữ còn tiếp xuống dưới khung nhìn thấy.

## 4. Nghe thử các bản và chọn một giọng

Theo Thor, giờ ta sẽ nhận được ba mẫu để chọn. Chính model vừa tạo giọng, vừa tự nghĩ ra một đoạn text mẫu mà nó cho là phản ánh tốt nhất giọng mới vừa design. Đó là cách hoạt động anh mô tả trong video đăng ngày 21/10/2026.

Lần này (video đăng ngày 21/10/2026), bản tạo đầu tiên bị lỗi, nên chỉ còn hai lựa chọn: "Argentine Podcast Host 2" và "Argentine Podcast Host 3". Anh mở nghe bản thứ nhất: "Muy, pero muy buenos días a todos. Che, ya estamos acá arrancando con toda esta mañana de locos que pinta tremenda." Anh nhận xét: đúng là năng lượng cao thật.

![Khung Pick your favorite với hai bản Argentine Podcast Host 2 và 3, bản 3 đang được chọn](https://homus.dev/photos/SOF3_evPje8-0245.jpg)

Khung "Pick your favorite" trong video đăng ngày 21/10/2026: chỉ có hai bản "Ready to play" là Argentine Podcast Host 2 và 3, vì bản đầu tiên bị lỗi. Bản 3 đang được chọn, nút Continue ở góc dưới.

Bản thứ hai: "Che, qué día, por favor, me levanté y me cayó un rayo, viste, de la luz así por la ventana que dije, nah, esto es para la semana que viene, tengo a full." Theo Thor (video đăng ngày 21/10/2026), lại một giọng rất nhiều năng lượng, và nói rất nhanh. Thor thú nhận anh không hiểu nó đang nói gì, "got to translate it later", để dịch sau. Nhưng anh chọn bản này.

## 5. Một giọng, nhiều ngôn ngữ: thử với một bài thơ tiếng Đức

Giờ có thể dùng giọng vừa tạo. Theo Thor (video đăng ngày 21/10/2026), giọng này tất nhiên cũng dùng được với bất kỳ ngôn ngữ nào. Ví dụ, có thể cho nó đọc tiếng Đức. Anh dán vào một bài thơ tiếng Đức nổi tiếng.

![Playground với Speaker 1 là Argentine Podcast Host 3 và một bài thơ tiếng Đức trong khối speech](https://homus.dev/photos/SOF3_evPje8-0305.jpg)

Playground lúc này dùng Speaker 1 là "Argentine Podcast Host 3 (Custom)", khối text là bài thơ tiếng Đức mở đầu bằng "Frühling lässt sein blaues Band wieder flattern durch die Lüfte". Phần Speaker settings hiển thị lại đoạn mô tả giọng đã design.

Anh nói trước: rõ ràng giọng này được tạo riêng cho accent tiếng Tây Ban Nha vùng Argentina, nên có thể kết quả sẽ khác. Rồi anh mở nghe. Giọng đọc bài thơ bằng tiếng Đức, và như anh chỉ ra (video đăng ngày 21/10/2026), nó đọc tiếng Đức với một chút accent Tây Ban Nha.

Đó là điều cần nhớ khi design một giọng có accent cụ thể, theo quan sát của Thor trong video đăng ngày 21/10/2026: giọng đó sẽ mang accent ấy sang cả các ngôn ngữ khác.

## 6. Sang Antigravity IDE: cài skill gemini-api-dev

Đã có vài giọng để dùng, và theo Thor (video đăng ngày 21/10/2026) có thể dùng lại chúng qua API. Thor chuyển sang Antigravity IDE: một workspace tên `gemini-tts`, terminal còn trống, và khung Agent bên phải với model Gemini 3.8 Flash Medium.

Anh khuyên (video đăng ngày 21/10/2026): bước đầu tiên khi làm việc với Gemini API là cài skill dành cho dev của Gemini API (Gemini API dev skill). Có thể copy lệnh cài ngay từ trang docs, đưa vào coding agent mình thích và cài ở chế độ global.

![Trang docs Gemini API, mục Coding agent setup, skill gemini-api-dev với lệnh cài bằng skills.sh và Context7](https://homus.dev/photos/SOF3_evPje8-0412.jpg)

Trang docs Gemini API như hiện trong video (đăng ngày 21/10/2026), mục "Coding agent setup": skill `gemini-api-dev` dùng để build app với Gemini API (Interactions API), bao gồm text generation, function calling, structured output, Deep Research agents, chọn đúng model hiện hành và tránh model đã deprecated, cùng các pattern SDK Python và TypeScript. Bên dưới là hai cách cài: qua skills.sh và qua Context7.

Hai lệnh cài trên trang docs, như hiện trong video (đăng ngày 21/10/2026). Cài bằng skills.sh:

```
npx skills add google-gemini/gemini-skills --skill gemini-api-dev --global
```

Cài bằng Context7:

```
npx ctx7 skills install /google-gemini/gemini-skills gemini-api-dev
```

Trong video, Thor nói anh cài skill ở chế độ global. Mục Troubleshooting của cùng trang docs (đọc ngày 22/10/2026) ghi thêm: nếu agent bỏ qua một skill cài global, hãy cài skill đó ở thư mục gốc của project, bỏ `--global`.

Cài xong, theo Thor, skill Gemini API dev đã biết cách dùng Gemini TTS: nó mang những hướng dẫn best practice mới nhất cho API, cho Voices API, và cả best practice về prompting (theo lời anh, tính tới video đăng ngày 21/10/2026).

## 7. Script liệt kê voice: file .env, API key và uv

Theo Thor (video đăng ngày 21/10/2026), giờ có thể chỉ bằng chỉ dẫn bằng giọng nói (voice instructions) mà nhờ agent viết một script Python đơn giản để liệt kê mọi giọng đã tạo trong tài khoản, gồm cả giọng prompted (Voice Design) lẫn giọng replicated. Anh gửi yêu cầu đi.

Agent dựng xong script. Thor bấm accept các thay đổi. Script dùng Google Gen AI Python client bản mới nhất lúc video đăng, 21/10/2026 (file `requirements.txt` trên màn hình ghi `google-genai>=2.25.0` và `python-dotenv>=1.0.0`), và cần một file `.env`. Khung chat liệt kê các option: chỉ giọng prompted (`--type prompted`), chỉ giọng replicated (`--type replicated`), hoặc xuất JSON (`--json`).

Để tạo `.env`, anh chỉ việc copy `.env.example` thành `.env`. Lệnh anh gõ trong terminal:

```
cp .env.example .env
```

![Antigravity IDE mở file list_voices.py, terminal vừa chạy cp .env.example .env, khung chat liệt kê các option của script](https://homus.dev/photos/SOF3_evPje8-0617.jpg)

File `list_voices.py` trong Antigravity: hàm `list_account_voices` gọi `client.voices.list(**kwargs)` và xử lý `page_token` để lấy hết các trang. Terminal vừa chạy lệnh copy file `.env`; khung chat bên phải liệt kê ba option của script.

Trong file `.env`, cần một API key. Thor quay lại AI Studio, bấm vào mục API key và copy key muốn dùng. Xong phần key, anh mở script ra xem: script import các thư viện cần thiết, đọc API key, rồi liệt kê các voice. Có thể thấy đây là GenAI client, rồi tới phần voices, và lệnh list chúng.

Tiếp theo, anh nói với agent "use uv": dùng uv để tạo một môi trường Python ảo mới. Agent tạo `pyproject.toml`, sửa `list_voices.py` và cập nhật README, với mục "Quick Start with uv" do agent viết, ghi rằng không cần tự dựng virtual environment (như trên màn hình trong video đăng ngày 21/10/2026). Anh accept các thay đổi, cài dependency, rồi chạy script với `uv run`.

## 8. 26 giọng trong tài khoản và thư viện giọng có sẵn

"And we can see I've been busy": tài khoản của anh đã có khá nhiều giọng. Kết quả trên terminal ghi "Found 26 voice(s) across your account": 22 giọng prompted và 4 giọng replicated, theo màn hình trong video đăng ngày 21/10/2026. Trong danh sách có Argentine Podcast Host vừa tạo, "Thor's Studio Voice" (loại REPLICATED), và một loạt giọng thử nghiệm khác.

![Terminal chạy uv run list_voices.py: tìm thấy 26 voice, 22 prompted và 4 replicated](https://homus.dev/photos/SOF3_evPje8-0806.jpg)

Lệnh `uv run list_voices.py` trong video đăng ngày 21/10/2026: 26 giọng trong tài khoản, gồm Argentine Podcast Host 2 và 3 (PROMPTED), Thor's Studio Voice (REPLICATED), The Grizzled Detective 1 và 2 (PROMPTED). Mỗi giọng có một ID riêng của tài khoản.

Lệnh anh chạy, như trên terminal:

```
uv run list_voices.py
```

Rồi anh nhờ agent tiếp: "create a new script to list all the pre-built voices that are available on the Gemini API in the extended voice library", tức một script mới liệt kê toàn bộ giọng có sẵn (pre-built) trong thư viện giọng mở rộng (extended voice library) của Gemini API, như Thor gọi trong video đăng ngày 21/10/2026. Accept các thay đổi, và giờ có thể xem các giọng pre-built. Theo khung chat, script mới (`list_prebuilt_voices.py`) có thể lọc theo giới tính, cao độ (low, medium, high), tìm theo từ khoá (`--search`) trên tên, accent và persona tag, giới hạn số kết quả (`--limit`) và xuất JSON (`--json`) để đưa sang các tool như `jq`.

Thor thử lọc theo giọng nữ, theo từ khoá, rồi theo giọng tiếng Nhật. Anh nói thêm một điều anh thấy rất hay ở Gemini TTS: theo anh (video đăng ngày 21/10/2026), nó rất tốt ở nhiều ngôn ngữ khác nhau, và tiếng Nhật là một trong những ngôn ngữ nó làm rất, rất tốt.

![Terminal in ra JSON các giọng pre-built tiếng Nhật: Commercial Voiceover 2 và 3, accent Tokyo Japanese](https://homus.dev/photos/SOF3_evPje8-1044.jpg)

Kết quả JSON của các giọng pre-built tiếng Nhật: mỗi giọng có `id` (ví dụ `ja-jp-commercial-2`), `display_name`, `language_code` ja-JP, accent "Tokyo Japanese", giới tính, cao độ và một mô tả persona, như "22-year-old Fashion Consultant from Tokyo".

## 9. Multi-speaker dialogue: viết một tool tạo podcast

Theo Thor, một tính năng rất hay khác của Gemini TTS là **multi-speaker dialogue** mới: có thể tạo một đoạn hội thoại nhiều người nói (anh lỡ nói "multi-feature dialogue" rồi tự sửa lại), có cả back-channeling (những tiếng đệm như "ừ", "đúng rồi" của người nghe) "và đủ thứ hay ho", như anh mô tả trong video đăng ngày 21/10/2026.

Anh gửi agent yêu cầu, đại ý: tạo một script mới là tool sinh podcast nhiều người nói. Tool chỉ nhận một chủ đề; sau đó nó dùng Gemini 3.8 Flash để nghiên cứu nhanh chủ đề đó, viết kịch bản podcast cho hai người dẫn, trong đó một người là nữ nói tiếng Anh giọng Anh (British English), người kia là nam giọng Ireland.

Luồng của tool tạo podcast như Thor yêu cầu: từ một chủ đề, Gemini 3.8 Flash nghiên cứu và viết kịch bản cho hai người dẫn, rồi Gemini TTS đọc thành một đoạn hội thoại.

Agent bắt đầu tạo script mới. Thor hy vọng nó sẽ tự tìm qua các giọng pre-built để chọn đúng những giọng anh muốn. Lý do, theo anh (video đăng ngày 21/10/2026): nhờ có skill dành cho coding agent, agent có thể tự dùng API key để liệt kê các giọng và tự hoàn thành mọi việc. Cuối cùng, ta có sẵn một script tạo được podcast. "Okay, fantastic": script tạo podcast mới đã xong.

## 10. Chạy tool: podcast về lịch sử Dublin

Khung chat của agent (video đăng ngày 21/10/2026) tóm tắt script: tạo podcast về bất kỳ chủ đề nào. Có thể xem trước kịch bản trước khi tạo audio (option `--script-only`), có thể chỉ định giọng cụ thể, và có thể tuỳ chỉnh độ dài hội thoại (`--turns`) cùng file output. Thor chỉ ra rằng trong ví dụ đã có sẵn một giọng Ireland tuỳ chỉnh của anh; khung chat gọi nó là giọng Ireland tuỳ chỉnh của tài khoản, ví dụ "South Dublin Pub Storyteller".

Anh chạy đúng như vậy: một podcast với các giọng này, về lịch sử Dublin. Lệnh trên terminal là `uv run generate_podcast.py "The History of Dublin"` với `--female-voice "Aoede"` và `--male-voice` trỏ tới ID giọng Ireland tuỳ chỉnh trong tài khoản của anh.

Trước hết, theo màn hình trong video đăng ngày 21/10/2026, script dùng Gemini 3.8 Flash, đúng như đã dặn, để nghiên cứu chủ đề. Terminal in ra dòng "Researching 'The History of Dublin' & drafting podcast script using gemini-3.8-flash", rồi tiêu đề tập: "From Viking Longships to Silicon Docks: The Making of Dublin" (từ những con thuyền dài của người Viking tới Silicon Docks). "Okay, nice", Thor nói. Có thể thấy kịch bản được viết qua hai persona khác nhau, và mỗi đoạn được gán một style riêng, ví dụ Liam [warm and evocative], Charlotte [witty and curious].

![Antigravity đang phát file podcast_the_history_of_dublin.wav dài 2:55, terminal hiện kịch bản Liam và Charlotte](https://homus.dev/photos/SOF3_evPje8-1203.jpg)

File `podcast_the_history_of_dublin.wav` dài 2:55 (video đăng ngày 21/10/2026) đang phát ngay trong IDE. Terminal hiện kịch bản: mỗi lượt có tên người dẫn và một chỉ dẫn style trong ngoặc vuông, như Charlotte [witty and curious] hay Liam [engaging and storytelling].

Podcast tạo xong, và anh mở nghe. Liam mở màn: "Now, Charlotte, most folks land in Dublin expecting cozy pubs, fiddles playing in the corner and a fresh pint of stout", tức hầu hết mọi người tới Dublin đều mong những quán pub ấm cúng, tiếng đàn fiddle ở góc phòng và một vại stout tươi, "which is grand, of course", nhưng bên dưới những viên đá lát đường ấy là hơn một nghìn năm sống sót đầy hỗn loạn.

Charlotte đáp: "Quite literally chaotic." Ngay cả cái tên cũng là một cuộc khủng hoảng danh tính, phải không? Có Dublin, từ tên tiếng Ireland cổ "Dubh Linn" nghĩa là "black pool" (vũng nước đen), rồi lại có tên tiếng Ireland hiện đại "Baile Átha Cliath". Ngay từ đầu đã có hai khu định cư khác nhau tranh nhau một chỗ trên bản đồ. Liam: "Spot on."

Thor dừng lại và nhận xét: đây là khoảng ba phút hội thoại nhiều người nói (file trên màn hình dài 2:55), và theo anh nó được tạo ra khá nhanh, "which is really, really cool" (theo lời Thor trong video đăng ngày 21/10/2026, anh không đưa con số thời gian cụ thể).

Charlotte ở đây là giọng nữ British, còn Liam là giọng nam Ireland. Anh nói thêm (video đăng ngày 21/10/2026), có lẽ cần liệt kê lại các giọng để tìm một accent British tốt hơn.

## 11. Gemini 3.8 Flash TTS và Flash-Lite TTS

"So this is the gist": đó là phần cốt lõi của Gemini 3.8 text-to-speech mới. Thor mở bài blog "Gemini 3.8 text-to-speech says hello" với ảnh bìa "Introducing Gemini 3.8 Flash TTS and 3.8 Flash-Lite TTS". Theo anh (video đăng ngày 21/10/2026), có hai bản:

- **Gemini 3.8 Flash TTS**: theo Thor, bản biểu cảm nhất, hỗ trợ nhiều ngôn ngữ nhất.

- **Gemini 3.8 Flash-Lite TTS**: dành cho các project lớn, cần tiết kiệm chi phí, nơi bạn tạo rất nhiều giọng nói. Bản này hỗ trợ ít ngôn ngữ hơn một chút, nhưng theo Thor vẫn rất, rất mạnh trên các benchmark.

![Bài blog Gemini 3.8 text-to-speech says hello, đoạn giới thiệu hai model Flash TTS và Flash-Lite TTS](https://homus.dev/photos/SOF3_evPje8-1321.jpg)

Đoạn giới thiệu trong bài blog, như hiện trong video đăng ngày 21/10/2026: Gemini 3.8 Flash TTS dành cho định hướng sáng tạo sâu và thiết kế nhân vật; Gemini 3.8 Flash-Lite TTS (đang được bôi đậm) dành cho quy mô lớn, tiết kiệm chi phí, tối ưu cho lồng tiếng số lượng lớn, tạo nội dung audio và voice agent biểu cảm.

Bài blog (đề ngày 23/09/2026, đọc ngày 22/10/2026) mô tả Flash TTS là "built for deep creative direction and character design": tạo giọng hoàn toàn mới từ prompt bằng ngôn ngữ tự nhiên, điều khiển từng dòng thoại với acting cue, nhịp, chuyển phương ngữ và backchanneling. Flash-Lite TTS là "built for high-volume, cost-efficient scale". Thor không đọc con số benchmark nào trong video; anh chỉ nói các benchmark nằm trong bài blog.

## 12. Partner integrations và lời chào

Một điều nữa Thor thấy rất hay: Gemini TTS được tích hợp với nhiều partner. Có thể đọc bài blog để xem toàn bộ benchmark, và cũng sẽ thấy Google đã làm việc với các partner như Agora, LiveKit, Pipecat và Vercel để đưa Gemini TTS vào framework của họ, giúp người dùng áp dụng các model này thật nhanh (theo video đăng ngày 21/10/2026).

![Mục Deploy high-performance voice interfaces with ease trong bài blog, nhắc Agora, LiveKit, Pipecat, Vercel](https://homus.dev/photos/SOF3_evPje8-1343.jpg)

Mục "Deploy high-performance voice interfaces with ease" trong bài blog, như hiện trong video đăng ngày 21/10/2026: qua Gemini API, các nền tảng cho developer như Agora, LiveKit, Pipecat và Vercel giúp build và deploy trải nghiệm tạo giọng nói. Phía dưới là một câu trích bắt đầu bằng "Gemini 3.8 Flash TTS brings AI voice conversations much closer to feeling genuinely human".

Thor cảm ơn mọi người đã theo dõi, nói anh rất mong được nghe những gì mọi người sẽ build với Gemini TTS, và chào: "Cheers."

## Nguồn và liên kết

- Tên gốc: Design and replicate voices with Gemini 3.8 Flash TTS
- Sự kiện: [YouTube](https://homus.dev/events/youtube)
- Video gốc: [https://www.youtube.com/watch?v=SOF3_evPje8](https://www.youtube.com/watch?v=SOF3_evPje8)

- Kênh YouTube Google for Developers (Thor Schaeff): [youtube.com/channel/UC_x5XG1OV2P6uZZ5FSM9Ttw](https://www.youtube.com/channel/UC_x5XG1OV2P6uZZ5FSM9Ttw)

- Bài blog "Gemini 3.8 text-to-speech says hello" (hai model Flash TTS và Flash-Lite TTS, voice design, voice replication, partner): [blog.google](https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-text-to-speech/)

- Docs Gemini API, speech generation (prompting guide và migration guide): [ai.google.dev/gemini-api/docs/speech-generation](https://ai.google.dev/gemini-api/docs/speech-generation)

- Docs Gemini API, Coding agent setup (skill gemini-api-dev): [ai.google.dev/gemini-api/docs/coding-agents](https://ai.google.dev/gemini-api/docs/coding-agents)

- Repo skill của Gemini cho coding agent: [github.com/google-gemini/gemini-skills](https://github.com/google-gemini/gemini-skills)

Nguồn: https://homus.dev/talks/design-and-replicate-voices-with-gemini-3-8-flash-tts · cập nhật 2026-10-22