Gemini 3.8 TTS: voces de marca y límites en España

Google quiere que las marcas conviertan cualquier texto en audio. Gemini 3.8 TTS genera voces expresivas en español, pero su valor real está en el control y su trampa está en confundir diseño con replicación de voz. Inventar un narrador tiene su gracia. Copiar a una persona es otra historia bastante más delicada.

TL;DR: El resumen sin rodeos

• Dos modelos: Flash TTS busca mayor fidelidad y Flash-Lite prioriza volumen, velocidad y coste.
• Disponible en España: ambos modelos constan como GA en Gemini API y funcionan con español.
• Letra pequeña europea: la replicación de voz mediante Google AI Studio está bloqueada en el EEE.
• Precio distinto: la salida cuesta 9 dólares por millón de tokens de audio en Flash y 6 dólares en Flash-Lite hasta el 31 de diciembre de 2026.

Veredicto: merece una prueba para contenido de marca, pero con una identidad sonora diseñada y, si se replica una voz existente, con el consentimiento exigido; no con el clon alegre del primero que pase.

¿Qué es Gemini 3.8 TTS y qué ha lanzado Google?

Gemini 3.8 TTS es una familia de dos modelos de generación de voz: Gemini 3.8 Flash TTS y Gemini 3.8 Flash-Lite TTS. Google los presentó el 23 de septiembre de 2026 y las notas de versión de Gemini API los clasifican como generalmente disponibles desde el día anterior.

Hay dos modelos y cada uno va a lo suyo. Google plantea Flash TTS para narraciones largas, diálogos complejos, diseño de personajes e interpretación expresiva. Flash-Lite apunta a trabajos con mucho volumen, baja latencia y menor coste, según el anuncio oficial de Google.

Los dos admiten español, generación con uno o varios hablantes, diseño de voces y control del estilo, el ritmo y determinados eventos vocales. La documentación técnica de generación de voz atribuye más de 130 idiomas a Flash TTS y más de 100 a Flash-Lite.

Sobre el papel, suena fenomenal. También son afirmaciones del fabricante. Todavía no tenemos aquí una prueba independiente que demuestre cómo conserva una voz durante una campaña larga, cómo pronuncia marcas raras o cuántas tomas exige para dejar de sonar a locutor de ascensor con ínfulas.

¿Gemini 3.8 TTS está disponible en España y la UE?

Sí, Gemini 3.8 Flash TTS y Flash-Lite TTS están disponibles mediante Gemini API y Google AI Studio en España. La lista oficial de regiones compatibles incluye España y los Estados miembros de la Unión Europea.

Los desarrolladores ya tienen acceso a ambos modelos desde Gemini API y Google AI Studio. Fuera de ahí, el reparto cambia: Flash TTS llega a Gemini Notebook y Flash-Lite a Google Vids, aunque el anuncio se guarda los requisitos de planes y cuentas. Para la API de Gemini Enterprise toca esperar. Google anunció que llegaría más adelante y no dio fecha.

Ojo con la distinción importante. Diseñar una voz consiste en describir una identidad vocal nueva. Replicar una voz supone partir de una muestra de una persona existente. Google exige una grabación de consentimiento verbal del propietario para lo segundo y afirma que el audio generado incorpora SynthID; también anuncia credenciales C2PA para las voces replicadas.

La tecnología puede hablar español y estar disponible en España mientras una capacidad concreta sigue vetada aquí. Parece obvio cuando lo lees despacio. En la carrera por publicar "Google ya clona tu voz", el despacio suele quedarse sin invitación.

¿Qué modelo conviene para contenido de marca?

Flash TTS encaja mejor cuando la interpretación forma parte del producto; Flash-Lite, cuando importa producir mucho audio con rapidez y contener el coste. Para una campaña narrativa, un audiolibro o personajes con diálogo elegiría Flash. Para versiones de piezas, catálogos hablados o automatizaciones de gran volumen, probaría primero Flash-Lite.

Hasta el 31 de diciembre de 2026, la tarifa estándar publicada fija la entrada de ambos modelos en 0,50 dólares por millón de tokens de texto. La salida de audio cuesta 9 dólares por millón de tokens en Flash TTS y 6 dólares en Flash-Lite TTS. También existe un nivel gratuito.

El coste de la API es solo una parte. Hay que escribir para oído, revisar pronunciaciones, comprobar derechos, mantener consistencia y escuchar el resultado entero. Sí, entero. Automatizar un pódcast de 40 minutos para descubrir al publicarlo que la marca cambia de acento en el minuto 37 es una manera bastante creativa de ahorrar.

Hacer voces humanas acabará convertido en una mercancía. Para marketing, la ventaja estará en construir una guía sonora: pronunciaciones aprobadas, ritmo, intensidad, pausas, palabras prohibidas y criterios para decidir cuándo debe entrar una voz real. El modelo pone la garganta. La marca sigue necesitando criterio.

Y aquí aparece otra posibilidad: conectar voz, personaje y conversación. Si una empresa va por ese camino, mejor fijar desde el principio quién aprueba esa identidad y dónde se puede usar.

Cómo probar Gemini 3.8 TTS sin montar un circo

Mi recomendación es probar Gemini 3.8 Flash-Lite TTS con una pieza breve y repetible, compararla con Flash TTS y decidir con el oído, no con la diapositiva de Google. Usa una voz diseñada desde texto y evita la replicación hasta tener consentimiento, derechos y disponibilidad territorial perfectamente resueltos.

Configura una prueba con Gemini 3.8 Flash TTS y Flash-Lite TTS siguiendo https://ai.google.dev/gemini-api/docs/speech-generation.
Genera el mismo anuncio de 20 segundos en español con una voz diseñada, sin replicar voces reales.
Guarda ambos audios y compara naturalidad, pronunciación, tiempo de respuesta y coste.

Gemini 3.8 TTS ya está disponible en España, pero viene con fronteras bastante claras. AI Studio bloquea la replicación de voz dentro del EEE y el consentimiento del propietario va en serio. Puedes escalar la voz de una marca. La responsabilidad viaja en el mismo paquete.