Sakhanda Wire
NVDA $153.73 -1.54% MSFT $506.30 -2.26% GOOGL $280.09 -1.28% META $619.28 -1.14% AMZN $256.62 -0.44%
← К новостям

Google представила Flash TTS для создания настраиваемых ИИ-голосов

Google представила Gemini 3.8 Flash TTS и Flash-Lite TTS — две модели синтеза речи с поддержкой более 100 языков. Flash TTS создает голос по текстовому описанию его роли, акцента и других особенностей. Пользователям также доступна библиотека из более чем 2 000 готовых голосов, включая региональные варианты. Функция клонирования формирует профиль голоса по 30-секундному аудиофрагменту, однако говорящий должен записать отдельное устное согласие тем же голосом. По данным Google, каждый созданный аудиоклип получает неслышимую водяную метку SynthID.

Обе модели позволяют задавать указания для каждой реплики: например, описывать подачу, паузы и реакции. Они могут озвучивать диалог двух персонажей по одному сценарию, сохраняя различия между голосами, а также воспроизводить смех, вздохи и звуки вроде «mhm». Google утверждает, что модели способны создавать многочасовое аудио с небольшим изменением голоса со временем. Функция Voice Remixing для изменения тембра, высоты, темпа и акцента готовых голосов пока не запущена.

Flash TTS предназначена для подкастов, аудиокниг и игровых персонажей, а Flash-Lite TTS — для недорогой генерации в больших объемах, включая дубляж, аудиоконтент и голосовых агентов. Модели постепенно становятся доступны через Gemini API и Google AI Studio. Flash TTS также работает в Gemini Notebook, Flash-Lite TTS — в Google Vids; доступ через Gemini Enterprise API обещан позднее.

Текст подготовлен ИИ Sakhanda Wire по материалу The Decoder. Факты, цитаты и полный контекст — в оригинальной статье ниже.

Впервые опубликовано изданием The Decoder

Читать оригинал на The Decoder ↗

Репортаж и изображение принадлежат The Decoder и указаны выше со ссылкой на оригинал; текст на этой странице — собственное изложение Sakhanda Wire.

← К новостям

Ещё новости

Все последние новости