Gemini 3.8: озвучка текста с голосами по описанию
Google добавила в Gemini возможность придумывать голос словами: описать характер и манеру речи, а затем озвучить подготовленный текст. Две модели — Gemini 3.8 Flash TTS и Flash-Lite TTS — компания. Главное изменение для авторов роликов — больше контроля над тем, как звучит конкретная реплика.
TTS — преобразование текста в речь. Это отдельные модели озвучки. В документации Flash TTS входом указан текст, результатом — аудио. Сама по себе новость не означает, что обычный чат Gemini стал полноценным звуковым редактором.
Что можно менять в голосе
По описанию Google, Flash TTS создаёт новый голос через текстовое задание; в библиотеке также есть больше двух тысяч готовых вариантов. Для реплик можно задавать подачу, а в сценарий добавлять паузы и отдельные звуки вроде вздоха. Ещё одна возможность — воспроизведение голоса по 30-секундной записи. Для этого требуется согласие владельца голоса, записанное его голосом. У функции в AI Studio есть отдельные ограничения: она недоступна в ЕЭЗ, Великобритании, Швейцарии, Индии, Иллинойсе и Техасе.
Схема подготовки озвучки. Интерфейс сервиса не показан.
Две модели под разные задачи
Flash TTS Google позиционирует для выразительной озвучки и персонажей. Flash-Lite TTS рассчитана на большие объёмы генерации и меньшие затраты. Русский язык указан в списках обеих моделей. Это подтверждает поддержку языка, но само по себе ничего не говорит о качестве ударений в конкретном сценарии.
Для небольшого объясняющего ролика полезна прежде всего возможность управлять отдельными репликами. В диалоге персонажей важны различимые голоса и манера ответа. Такие задачи дают понятный критерий оценки озвучки: насколько точно она передаёт написанный сценарий. Объявлять модель заменой диктору по одному анонсу преждевременно.
Где доступно и сколько стоит
Google начала развёртывание обеих моделей в AI Studio и Gemini API. В тарифах API предусмотрен бесплатный уровень. На платном Standard до 31 декабря 2026 года миллион выходных аудиотокенов стоит $9 для Flash TTS и $6 для Flash-Lite; обработка входного текста оплачивается отдельно. С 1 января объявлены удвоенные ставки.
Для российской аудитории есть существенное ограничение: Россия отсутствует в официальном списке регионов AI Studio и Gemini API. Поддержка русского языка не означает доступность сервиса из России.
В старых сценариях придётся поправить инструкции
В руководстве по переходу есть деталь, которую легко пропустить: новая модель воспринимает входной текст как буквальный сценарий. Фраза «скажи радостно», вписанная прямо перед репликой, может попасть в озвучку. Указания о манере речи передаются отдельно, в настройках реплики.
Указания о подаче передаются отдельно от текста, который должен прозвучать.
Поэтому обновление интересно именно управлением голосом и сценой. Для готового рабочего процесса важны ещё региональный доступ, стоимость и правильная подготовка текста. Они определяют, получится ли использовать новинку в конкретном проекте.