Gemini TTS
Семейство моделей Google для озвучки текста: управляемая подача, несколько дикторов, создание и клонирование голосов, более 100 языков.
- Можно попробовать бесплатно
- Да
- Без регистрации
- Нет
- Работает с русским языком
- Да
- Разработчик
- Версия
- 3.8 Flash TTS · с 22 сентября 2026
- Страна
- США
Gemini TTS — линейка моделей Google, которые превращают текст в речь через Gemini API. Модели принимают текст и отдают аудио, а интонацию, темп и эмоции задают описанием стиля и встроенными тегами вроде смеха или паузы. В запросе можно использовать до двух дикторов, выбирать из готовых студийных голосов или расширенной библиотеки, создавать новый голос по описанию либо клонировать существующий. Флагманская Flash TTS рассчитана на качество и длинные записи, облегчённая Flash-Lite TTS — на скорость, низкую цену и голосовых агентов в реальном времени.
Возможности
Управляемая подача
Стиль реплики задаётся описанием, а точечные эффекты — тегами, например смех или короткая пауза.
Два диктора в запросе
Диалог с двумя голосами генерируется одним обращением к модели.
Создание голоса
Новый голос собирается из текстового описания.
Клонирование голоса
Голос воспроизводится по образцу после подтверждения согласия владельца.
Много языков
Flash TTS поддерживает более 130 языков и региональные диалекты, Flash-Lite — более 100.
Потоковая выдача
Аудио приходит фрагментами по мере генерации, что подходит для голосовых агентов.
Форматы вывода
Доступны WAV, PCM, mu-law и A-law с настраиваемой частотой дискретизации.
Что ещё умеет Gemini TTS
- Создание голоса по описанию
Собственный голос создаётся из текстового описания и затем используется для озвучки.
- Клонирование голоса
Голос воспроизводится по образцу; требуется подтверждение согласия владельца голоса.
Кому подойдёт
- Разработчики
Подключают озвучку к приложениям и голосовым агентам через Gemini API.
- Авторы контента и блогеры
Озвучивают ролики и подкасты выразительными голосами.
- Преподаватели
Делают аудиоверсии учебных материалов на многих языках.
- Агентства и фрилансеры
Создают фирменные голоса и озвучку для клиентов.
Как начать
- Получить ключ Gemini API в Google AI Studio.
- Выбрать модель: gemini-3.8-flash-tts или gemini-3.8-flash-lite-tts.
- Отправить текст, указав голос и при необходимости стиль подачи.
- Сохранить полученное аудио в нужном формате.
Тарифы
Оплата по токенам, около $0.00225 за 10 секунд аудио у Flash TTS до конца 2026 года.
Ограничения
- Вход только текстовый, выход только аудио.
- В одном запросе не больше двух дикторов при готовых голосах.
- Клонирование голоса требует подтверждения согласия.
- Использование через API, готового приложения для озвучки нет.
Платформы и интеграции
Семейство
Соседи по смыслу
за последний месяц