ИИ-озвучка в Gemini превращается из статичных пресетов в творческую студию: Google выпустила модели 3.8 Flash TTS и Flash-Lite TTS с библиотекой более 2000 голосов и созданием голоса с нуля на 100+ языках. Ты можешь описать голос обычными словами или клонировать его по 30-секундному образцу, а потом режиссировать построчно — темп, эмоции, даже вдохи и «ага». Для безопасности в аудио встроены водяные знаки.
Что произошло на самом деле
Моделей две, и задачи у них разные. Gemini 3.8 Flash TTS — это творческая студия: создаёшь персонажа с нуля, задаёшь роль, акцент и характер голоса. Gemini 3.8 Flash-Lite TTS — рабочая лошадка для объёма: рассчитана на массовый дубляж и озвучку роликов, а ещё на голосовых агентов, которые отвечают клиентам в реальном времени.
Новость подписали Leland Rechis (Group Product Manager) и Alan Cowen (Director, Research Science) от имени Gemini Audio Team. Это не отдельная игрушка, а продолжение линейки: до неё вышли Gemini 3.5 Live Translate, 3.5 Transcribe, 3.8 Live и 3.8 Live Extended Thinking. По сути это генератор голоса, которому не нужен микрофон, диктор и звукоизолированная комната.
И ещё одна деталь, которую легко пропустить: модели умеют воспроизводить существующий голос по 30-секундному образцу. Тридцать секунд записи — и у тебя стабильный профиль голоса, который одинаково звучит в первом ролике и в сотом.
Что это даёт лично тебе
Ниже — практические сценарии. Вот пять ситуаций, в которых ты, скорее всего, узнаешь себя.
• Фрилансер-дизайнер. Клиент просит озвучку для рекламного ролика, а бюджет — три копейки. Раньше: искать диктора, ждать, переписывать. Теперь озвучка видео с ИИ делается в тот же вечер: описал голос словами, сгенерировал, поправил отдельные строки — и сдал.
• Владелец кофейни. Нужны объявления в зале, промо в соцсетях и голос для автоответчика. Библиотека из 2000+ голосов закрывает это без студии и без «запишите на диктофон, потом перезапишем».
• Мама двоих детей на удалёнке. Конспекты и учебники в тексте не читаются. Просишь превратить текст в речь приятным ровным голосом — и слушаешь на прогулке с детьми, пока они заняты площадкой.
• Автор подкаста или аудиокниги. Можно собирать выпуски без монтажа, а главное — держать один и тот же ИИ-голос на всей серии. Региональные варианты вроде мексиканского испанского, квебекского французского или шотландского английского доступны сразу.
• Небольшой сервисный бизнес. Голосовой агент, который принимает звонки и отвечает на частые вопросы, — уже не фантастика для корпораций. Flash-Lite для этого и сделан: тон, темп и интонация настраиваются точно.
Как попробовать прямо сейчас
Начни с бесплатного и простого. По шагам:
1. Открой Gemini — это самый быстрый вход, там же живёт Gemini Notebook.
2. Напиши обычным языком, какой голос нужен: «женский голос, 35 лет, тёплый, чуть с хрипотцой, говорит неспешно, с лёгким южным акцентом».
3. Дай текст для озвучки — хватит двух-трёх предложений, чтобы понять, твой это голос или нет. Не понравилось — меняй описание, а не начинай заново.
4. Зайди в Google AI Studio — там доступ к обеим моделям и ко всей библиотеке из 2000+ голосов. Для режиссуры построчно (паузы, вздохи, смена интонации) это главная площадка.
5. Для масштаба — Gemini API или Gemini Enterprise: подключаешь модель к своему сервису и генерируешь хоть тысячи роликов. А если монтируешь видео внутри Google — тебе в Google Vids.
Плюсы и что изменится
Раньше озвучка упиралась в трёх человек: диктора, монтажёра и бюджет. Теперь узкое место — твоя фантазия и качество текста. Скорость выросла радикально: то, что занимало неделю переписки со студией, делается за вечер. Цена падает, особенно на Flash-Lite, который специально оптимизирован под большой объём. Качество выросло: модели передают эмоции и интонации выразительнее, чем пресеты.
Что станет нормой через полгода? Скорее всего, персональные голосовые ассистенты, которые звучат как ты сам, и массовая локализация: один ролик превращается в десять версий на разных диалектах без пересъёмки.
Минусы и ограничения. Всё сгенерированное аудио помечается водяным знаком — так Google следит, чтобы голосами пользовались ответственно, и тихонько «подделать» чужой голос не выйдет. Копирование голоса по 30-секундному образцу требует прав на этот голос — свой бери смело, чужой только с разрешения. Плюс сами модели экспериментальные: возможны огрехи в произношении имён и терминов, так что проверять результат ушами всё равно придётся.
Вывод и что сделать сегодня
Озвучка стала доступнее. Если ты делаешь видео, учишься, ведёшь блог или держишь небольшой бизнес, у тебя теперь есть студия озвучки в браузере — с 2000+ голосами и управлением каждой строкой.
Действие на сегодня: открой Gemini, опиши голос тремя прилагательными и озвучь одну фразу. Попробуй сам и составь мнение. А если хочешь разобраться глубже или что-то не получилось — приходи в комментарии в @aigoby, разберём вместе.
🎁 Бонус: промпт для режиссуры голоса
Скопируй и подставь своё:
```
Ты — режиссёр озвучки. Помоги мне создать голос для [проект: подкаст / реклама / аудиокнига].
Персонаж: [кто он, возраст, характер]
Где звучит: [ролик на 30 секунд / глава аудиокниги / ответ голосового агента]
Настроение сцены: [спокойное / азартное / тревожное]
1. Опиши голос так, чтобы его можно было воспроизвести по описанию: тембр, темп, акцент, манера.
2. Разбей мой текст на строки и к каждой добавь режиссёрскую пометку: пауза, громкость, эмоция, где добавить разговорный звук.
3. Предложи два альтернативных варианта голоса для сравнения.
Текст: [вставь свой текст]
```
Сохрани статью в закладки — модели обновляются быстро, а базовый навык «описать голос словами» останется с тобой надолго.
Комментарии 0