Gemini TTS: AI глас от текст с разговор и указания за стил

Какво е Gemini TTS

Gemini 3.1 Flash TTS е гласовият модел на Google от семейството Gemini. Превръща написан текст в естествена реч, но може и повече: разговор между няколко гласа в един файл и указания за стил с думи, например „говори топло и бавно, като разказвач“. В genkiki.com е третият модел в категорията Аудио, до ElevenLabs и MiniMax Speech.

Възможности в generiram

• 30 готови гласа, мъжки и женски, всеки със свой характер: твърд, топъл, жизнерадостен, спокоен, дрезгав и други.
• Разговор с няколко гласа: от 2 до 10 говорещи. В текста всеки ред почва с името на говорещия, например „Иван: Здравей!“.
• Как да звучи: отделно поле, в което с думи казваш тона, темпото, акцента и настроението.
• 87 езика, сред тях и български, или автоматично според текста.
• Изразителност в пет степени: от най-предвидимо до най-разнообразно звучене.
• Указания в квадратни скоби, които не се четат, а се изиграват: [смях], [шепот], [въздишка], [кратка пауза], [пауза], [дълга пауза] и още.
• Файлът е MP3 или WAV (без компресия).
• Таксува се на започнати 1000 знака: текстът и указанията за стил заедно.
• Текстът се чете дословно: нищо не се превежда и не се съкращава.

За какво е подходящ

• Диалог между двама или повече герои, без да сглобяваш отделни записи.
• Подкаст, интервю или разговор за видео.
• Реклама с разказвач в точно определен тон.
• Озвучаване на видео на друг език.

Как да започнеш

Отвори AI Студиото, избери режим Глас от текст и модел Gemini 3.1 Flash TTS. Напиши текста, избери глас (или отвори „Разговор с няколко гласа“), по желание опиши как да звучи и натисни Генерирай. След секунди аудиото е готово за слушане и сваляне.