Google открыла разработчикам самостоятельное создание голосов для озвучки текста

Что произошло. Google выпустила две новые модели для превращения текста в речь — Gemini 3.8 Flash TTS и Gemini 3.8 Flash-Lite TTS. Они доступны через Gemini API и Google AI Studio. Главное новшество — теперь можно самостоятельно создать нужный голос: описать его словами (акцент, характер, роль) или загрузить короткую запись реального человека. Для копирования голоса нужны две записи от одного и того же человека — чистый образец речи и отдельная запись согласия на создание синтетического голоса. Созданный голос получает свой идентификатор, сохраняется в проекте на год и может использоваться повторно в разных запросах. Всего в проекте можно хранить до 200 голосов.

Что это значит для бизнеса. Такая технология может пригодиться для голосовых помощников, автоответчиков, озвучки рекламных роликов, обучающих материалов или подкастов — без необходимости каждый раз заново описывать нужный голос или нанимать диктора. Google отмечает, что модель поддерживает более 100 языков и диалектов, а в библиотеке есть более 2000 готовых голосов. При этом функция копирования голоса пока не работает в AI Studio для пользователей из Иллинойса, Техаса, стран Европейской экономической зоны, Великобритании, Швейцарии и Индии. Вся сгенерированная аудиозапись помечается специальной цифровой меткой, позволяющей отследить её происхождение. Для сравнения, у OpenAI похожая функция существует, но доступ к ней сложнее: нужно связываться с отделом продаж, а лимит — 20 голосов на организацию. Зато у OpenAI нет возможности создавать голос просто по текстовому описанию, как у Google.

Как попробовать. Функции доступны через Gemini API и Google AI Studio; конкретные условия и цены в источнике не указаны.