Что озвучим?
Флагманская озвучка от Google: максимальное качество, глубокое понимание эмоций, темпа и стиля. 30 голосов, inline-теги эмоций.
Gemini 2.5 Pro TTSЧто умеет Gemini 2.5 Pro TTS
Gemini 2.5 Pro TTS — флагманская озвучка Google: 30 голосов, глубокое понимание эмоций, темпа и стиля, inline-теги прямо в тексте. Примерно от 3 токенов за 100 символов — платите за фактический объём текста.
Главное отличие от «обычных» синтезаторов речи — актёрская подача. Модель не читает текст, а исполняет его: понимает, где сделать паузу, где поднять интонацию, как звучит ирония или усталость. Теги вроде [шёпотом] и [воодушевлённо] переключают подачу по ходу реплики.
Чем отличается от других TTS
- Эмоции и стиль. Самое тонкое управление подачей: стиль, темп, акцент, сцена и контекст задаются отдельными настройками.
- Inline-разметка. Меняйте интонацию внутри одной реплики — незаменимо для диалогов и рекламы.
- 30 голосов. От дикторских до персонажных.
Для нейтральных текстов — новости, статьи, инструкции — достаточно Flash TTS в полтора раза дешевле. А если нужен собственный уникальный тембр для видео, создайте голос в Gemini Omni Audio и используйте его в Gemini Omni Video.
Как получить хороший результат
- Размечайте текст тегами: [пауза], [тепло], [с иронией] — это даёт больше, чем любая глобальная настройка.
- Пишите для уха, не для глаз: короткие фразы, естественный порядок слов.
- Задавайте сцену в настройках — «реклама», «аудиокнига», «подкаст» — модель подстроит общий тон.
- Прогоните короткий фрагмент, подберите голос и стиль, и только потом озвучивайте весь текст.
Скопируйте и подставьте в форму выше — или измените под свою задачу.
Озвучка рекламного ролика
[воодушевлённо] Представьте утро, которое начинается правильно. [пауза] Свежий кофе, тишина и десять минут только для себя. [тепло] Кофейня «Утро» — открыты с шести.
Закадровый текст документалки
[спокойно, размеренно] Эти горы стояли здесь задолго до первых людей. [с лёгким восхищением] И каждый рассвет они встречают так, будто он первый.
Диалоговая реплика персонажа
[устало, с иронией] Ну конечно. Именно сегодня, именно в этот дождь — и именно без зонта. [смешок] Классика.
Сколько стоит озвучка в Gemini 2.5 Pro TTS?
Примерно от 3 токенов за 100 символов текста. Оплата токенами по факту, без подписки — удобно и для коротких реплик, и для длинных закадров.
Сколько голосов доступно?
30 голосов с настройкой стиля, темпа и акцента. Дополнительно можно задать сцену и контекст — модель подстроит подачу.
Что за inline-теги эмоций?
Прямо в тексте можно размечать подачу: [радостно], [шёпотом], [пауза] — модель меняет интонацию по ходу реплики. Это фирменная сила Pro-версии: она глубоко понимает эмоции и стиль.
Чем Pro TTS отличается от Flash TTS?
Pro — флагманская озвучка с максимальным качеством и самым тонким пониманием эмоций и темпа. Flash (~от 2 токенов/100 симв.) дешевле и отлично звучит на нейтральных текстах — для сложной актёрской подачи берите Pro.
Для чего чаще всего используют?
Закадровый голос для видео, реклама, подкасты, аудиоверсии статей, реплики персонажей. Готовую озвучку можно совместить с видеогенерацией — например, через InfiniteTalk сделать говорящего персонажа.
Gemini 3.1 Flash TTS
Естественная и выразительная озвучка от Google: 30 голосов, inline-теги эмоций, управление стилем, темпом и акцентом.
~от 2 токенов/100 симв.
Gemini Omni Audio
Создание переиспользуемого голоса Gemini Omni из пресета и описания тембра. Полученный голос можно добавить в Gemini Omni Video.
от 0 токенов
InfiniteTalk
Говорящий персонаж из фото и аудио (InfiniteTalk). Реалистичный lip-sync до 15 сек в 480p/720p.
~от 8 токенов/сек