Новые модели Flash TTS от Google позволяют создавать голоса ИИ с нуля с помощью текстовых описаний
decoder ·
Google выпустила две новые модели преобразования текста в речь — Gemini 3.8 Flash TTS и Flash-Lite TTS, поддерживающие более 100 языков. Стандартная модель Flash TTS позволяет пользователям создавать уникальные голоса с нуля с помощью текстовых описаний или клонировать голоса по 30-секундным образцам при наличии согласия. Она ориентирована на креативные приложения, такие как подкасты и игры, и включает функции режиссёрских ремарок и диалогов с двумя различными голосами. В свою очередь, модель Flash-Lite TTS фокусируется на экономически эффективной генерации речи в больших масштабах для дубляжа и голосовых агентов. Обе модели содержат водяные знаки SynthID для обнаружения и поддерживают невербальные звуки, такие как смех и вздохи. Google внедряет эти инструменты через Gemini API и Google AI Studio, а корпоративный доступ появится в ближайшее время. Структура ценообразования различается в зависимости от модели и периода времени, при этом стоимость увеличится в 2027 году.
decoder