Gemini 3.8 Flash TTS и Gemini 3.8 Flash-Lite TTS — наши самые выразительные модели генерации аудио на сегодняшний день. Создавайте уникальные голоса персонажей и режиссируйте диалоги в сценах с помощью Google AI Studio, Gemini API, Gemini Enterprise, Gemini Notebook и Google Vids.
Директор по научным исследованиям от имени команды Gemini Audio
Сегодня мы представляем две новые модели преобразования текста в речь (TTS) для семейства Gemini, превращая генерацию голоса из статических пресетов в динамичную творческую студию. Эти модели позволяют авторам, разработчикам и предприятиям создавать более богатый и выразительный аудиоконтент, а также улучшают пользовательский опыт в таких продуктах, как Gemini Notebook и Google Vids.
- Gemini 3.8 Flash TTS: создана для глубокой творческой режиссуры и дизайна персонажей. Создавайте совершенно новые голоса с нуля, используя подсказки на естественном языке, чтобы оживить персонажей в играх, иммерсивных аудиокнигах, подкастах и интерактивных медиа. Управляйте каждым выступлением построчно, имея детальный контроль над актерскими ремарками, темпом, диалектными особенностями и фоновыми реакциями.
- Gemini 3.8 Flash-Lite TTS: создана для высокообъемного и экономически эффективного масштабирования. Оптимизирована для массового дубляжа, создания аудиоконтента и выразительных голосовых агентов с тонкой настройкой тона, темпа и эмоциональных нюансов.
Эти модели дополняют наше быстрорастущее семейство Gemini Audio, следуя за 3.5 Live Translate, 3.5 Transcribe, 3.8 Live и 3.8 Live Extended Thinking.
Создавайте и настраивайте свои собственные голоса
Масштабируйте библиотеку от 30 оригинальных голосов до бесконечности. Независимо от того, нужен ли вам совершенно оригинальный голос персонажа или постоянный представитель бренда, наша модель 3.8 Flash TTS превращает всё в полноценную вокальную студию. Это позволяет создавать и использовать выразительные, естественно звучащие голоса для любого момента, предоставляя разработчикам и предприятиям возможность легко создавать пользовательские аудиорешения.
- Генеративный дизайн голоса: с помощью Gemini 3.8 Flash TTS создавайте уникальные голоса с нуля, настраивая роль, акцент и характеристики голоса на более чем 100 языках и диалектах с помощью подсказок на естественном языке — будь то оживление драматичного огнедышащего дракона или создание харизматичного рассказчика с отчетливым региональным акцентом.
- Обширная библиотека голосов: получите доступ к более чем 2000 готовых к использованию голосов с широким языковым охватом, включая региональные варианты, такие как мексиканский испанский, квебекский французский и шотландский английский.
- Репликация голоса: воссоздавайте стабильные вокальные профили всего из 30-секундного аудиообразца вашего голоса или голоса, на использование которого у вас есть права, при поддержке встроенной проверки согласия, водяных знаков SynthID и учетных данных C2PA для защиты как разработчиков, так и их вокальных талантов.
- Сохранение и масштабирование: сохраняйте и управляйте созданными вами пользовательскими голосами, чтобы обеспечить стабильное качество и минимальные отклонения в текущих проектах.
- Ремикширование голоса: скоро появится возможность выбрать голос из нашей библиотеки и настроить тембр, высоту тона, темп и акцент. Используйте подсказки для уточнения характеристик (например, «добавьте легкий южный акцент США» или «смягчите подачу»).
Режиссируйте выступление, строка за строкой
После того как вы выбрали голоса, обе модели TTS предоставляют вам точный контроль над тем, как произносится каждая строка.
- Режиссируйте выступление построчно: пишите свои собственные сценические указания или позвольте Gemini направлять подачу с помощью естественных подсказок в сценарии — от спокойного агента службы поддержки до шепота в сцене саспенса.
- Генерация длинных форм: поддерживайте высокое качество голоса, естественный темп и тембр персонажа на протяжении часов непрерывного аудио с минимальным дрейфом характеристик — идеально для подкастов и аудиокниг.
- Нативная постановка сцены с двумя спикерами: плавно режиссируйте многоходовые диалоги из одного сценария — будь то подкаст или драматическое повествование — сохраняя при этом четкое разделение голосов с естественной очередностью реплик.
- Сценарные вокальные всплески и фоновые реакции: добавляйте реалистичную разговорную текстуру, используя невербальные сигналы (например, <смеется>, <вздох>, <ах>) и междометия активного слушания (например, |мгм| или |да|) для точного комедийного тайминга и реакций.
Получите выразительную высококачественную генерацию речи, созданную для глобального масштаба
Gemini 3.8 Flash TTS обеспечивает ведущие возможности настройки голоса, занимая 1-е место в общем зачете по результатам Voice Design Benchmark от Hume AI (71,4) и лидируя в моделировании акцентов (60,8).
Gemini 3.8 Flash TTS и Gemini 3.8 Flash-Lite TTS обеспечивают по-настоящему выразительные выступления без ущерба для надежности, также занимая 1-е и 2-е места соответственно в индексе общего качества Hume AI. Модель демонстрирует значительные улучшения в широком спектре сценариев использования, таких как длинный контент и управление сценарием с двумя спикерами, по сравнению с Gemini 3.1 Flash TTS.
В слепых оценках человеческих предпочтений на Voice Arena Gemini 3.8 Flash и Flash-Lite TTS занимают лидирующие позиции среди конкурентов по ключевым мировым языкам, включая японский, бразильский португальский, вьетнамский, современный стандартный арабский (MSA), мексиканский испанский и хинди. Благодаря поддержке более 100 языков эти модели позволяют авторам, разработчикам и предприятиям создавать высококачественные многоязычные голосовые решения по всему миру.
Создавайте с доверием, согласием и прозрачностью
Мы создали наши возможности по созданию и репликации голоса со строгими мерами безопасности, чтобы помочь защитить вокальные таланты, уважать личность и обеспечить прозрачность контента. Для репликации голоса наша система использует проверку согласия: пользователи должны предоставить запись устного согласия от владельца голоса, которая соответствует эталонному спикеру, прежде чем голос может быть создан.
В более широком смысле, каждый аудиоклип, созданный нашими моделями Gemini Audio, снабжен водяным знаком SynthID. Этот незаметный водяной знак вплетается непосредственно в аудиовыход, гарантируя, что сгенерированная ИИ речь остается обнаруживаемой, что помогает предотвратить дезинформацию. Для получения более подробной информации о нашем подходе к безопасности и ответственности ознакомьтесь с карточкой модели.
Попробуйте нашу новую аудио-песочницу Google AI Studio
Начиная с сегодняшнего дня, разработчики могут опробовать эти новые возможности генерации речи в Google AI Studio. Созданная как рабочее пространство для дизайна голоса, она позволяет создавать совершенно новые вокальные идентичности с нуля или реплицировать свой собственный голос, а затем переносить их непосредственно в редактор сценариев с двумя спикерами для построчной режиссуры.
Попробуйте репликацию голоса в Google AI Studio.
Легко развертывайте высокопроизводительные голосовые интерфейсы
Используя Gemini API, платформы разработчиков, такие как Agora, LiveKit, Pipecat, Vercel, позволяют разработчикам легко создавать и развертывать высокопроизводительные решения для генерации речи.
Мы сотрудничаем с такими компаниями, как Figma, HeyGen, Linguana, Wondercraft, 99.co и Ollang, которые интегрируют наши новейшие модели TTS, чтобы помочь ускорить глобальный дубляж, локализовать медиа с нюансированными региональными акцентами и обеспечить работу разговорных голосовых агентов в масштабе.
Начните использовать наши новейшие модели Gemini Audio:
Gemini 3.8 Flash TTS выходит начиная с сегодняшнего дня:
- Для разработчиков: в Gemini API и Google AI Studio
- Для предприятий: скоро появится через API в Gemini Enterprise
- Для всех: в Gemini Notebook.
Gemini 3.8 Flash-Lite TTS начинает развертываться с сегодняшнего дня:
