Gemini 3.8 Flash TTS — выразительная озвучка текста: 30 голосов, стиль/темп/акцент, эмоции тегами прямо в тексте, до 2 спикеров (диалоги). Оплата по факту (аудио-токены).
Gemini 3.8 Flash TTS - творческая модель озвучки от Google, которую сама компания называет флагманской в линейке Gemini TTS. Она рассчитана на студийное качество голоса, актёрскую подачу и точную работу с региональными акцентами.
Эмоциями и паузами управляют прямо в тексте. Теги вроде <laugh>, <sigh>, <cough>, <breath> и <short pause> добавляют смех, вздох, кашель, дыхание и паузу в нужный момент. Стиль, темп и акцент задаются отдельно, поэтому один и тот же текст можно прочитать по-разному.
Модель держит голос стабильным на длинных материалах: в затяжных диалогах и многоминутной озвучке сохраняются тембр, громкость и акустика «комнаты», без дрейфа голоса. В режиме диалога работают до двух спикеров.
По документации Google, модель совместима с готовыми голосами, расширенной библиотекой голосов, а также с созданием собственных персонажей (Voice design) и репликацией голоса. Доступность этих функций зависит от того, как они подключены в сервисе. Оплата идёт по факту: списание зависит от длины текста и полученного звука.
В режиме диалога - до двух спикеров. Для каждой реплики нужно указать, кто говорит.
Вставьте тег прямо в текст в угловых скобках, например <laugh>, <sigh>, <cough>, <breath> или <short pause>. Такие теги подходят для коротких, разовых звуков. Долгую манеру подачи, например шёпот, лучше задавать через стиль.
Google заявляет 130 языков. Полного списка в наших материалах нет, поэтому для русского лучше сделать короткий тест на вашем тексте.
Flash TTS ориентирована на максимальное качество голоса, актёрскую игру и диалекты. Flash-Lite создана для большого потока запросов, низкой задержки и экономии, поддерживает 101 язык.
По факту: списание зависит от длины текста и длины полученного звука (аудио-токены). Стоимость начинается от 20 SC за озвучку.
По документации Google, модель работает с созданием собственных голосов (Voice design) и репликацией голоса. Доступность этих функций зависит от их подключения в сервисе.