La voix sur mesure de Gemini 3.8 /
Le MIDI conversationnel de Suno Studio /
Les cent vingt images par seconde de Runway

Google a annoncé le 23 septembre deux nouveaux modèles vocaux, Gemini 3.8 Flash TTS et Gemini 3.8 Flash-Lite TTS, présentés comme les modèles de synthèse vocale les plus expressifs de la gamme Gemini. Le premier vise la direction créative fine : il permet de créer des voix entièrement inédites à partir d'une simple description en langage naturel et de diriger une performance ligne par ligne — rythme, émotion, accent, respiration. La bibliothèque embarque plus de 2 000 voix prêtes à l'emploi et peut reproduire un profil vocal cohérent à partir d'un échantillon audio de seulement 30 secondes, sous réserve de vérification du consentement. Les deux modèles couvrent plus de 100 langues et dialectes, avec des variantes régionales comme l'espagnol mexicain, le français québécois ou l'anglais écossais, et maintiennent leur qualité sur plusieurs heures de génération continue en dialogue à deux voix. Ils sont disponibles dès aujourd'hui via l'API Gemini et Google AI Studio pour les développeurs, arriveront prochainement sur Gemini Enterprise et sont déjà accessibles au grand public dans Gemini Notebook et Google Vids, pour des usages allant du livre audio au doublage en passant par les agents vocaux.

Suno a mis à jour le 17 septembre son environnement de production Suno Studio, lancé en version 2.0 un mois plus tôt, avec une refonte de son moteur de transcription MIDI. La transcription gagne en vitesse et en précision, un point sensible pour tout musicien qui importe une mélodie jouée à la main et attend qu'elle soit retranscrite fidèlement en notes exploitables. Nouveauté plus notable : la barre de discussion de Suno Studio peut désormais générer de nouveaux stems audio à partir d'un simple clip MIDI, transformant une ligne mélodique écrite en piste sonore complète sur simple demande. Les clips peuvent également être renommés individuellement ou en groupe directement depuis cette même interface conversationnelle, sans repasser par les menus classiques d'un séquenceur. Cette mise à jour confirme la bascule de Suno vers un poste de travail complet plutôt qu'un simple générateur de morceaux, à mesure qu'il devient tout aussi courant de soigner la conception graphique d'une pochette d'album que la production du morceau lui-même.

Runway a ajouté le 17 septembre à son catalogue d'outils un modèle de retiming baptisé Enhance Frame Rate, capable de convertir n'importe quelle vidéo existante vers une nouvelle cadence d'images en générant les images intermédiaires manquantes. L'outil accepte des sources variées — une captation caméra, un montage déjà fini ou une vidéo produite par un autre modèle Runway — et ne se limite donc pas au contenu généré maison. Les cadences disponibles vont de 24 à 120 images par seconde, en passant par les standards broadcast 23,98, 29,97 et 59,94 fps, avec une résolution conservée jusqu'à 4K. Facturé 1 crédit pour 2 secondes de vidéo source quel que soit le débit d'images visé, l'outil revient à environ 1,50 dollar pour un clip de cinq minutes au tarif développeur de l'API, avec un plafond de 300 secondes par tâche. Runway recommande de segmenter les vidéos plus longues au niveau des coupes franches, faute de quoi le modèle peut produire des artefacts en tentant d'interpoler des images à travers un changement de plan brutal.