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

ВариантРежимЗа какво е
Gemini 3.1 Flash TTSТекст → ГласИзчита до 50 000 знака: 30 гласа, разговор с до 10 гласа, указания за стил, 87 езика
  • 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.

The Gemini TTS models — in detail

Which one is good for what, where it falls short and what it shouldn't be used for.

Gemini 3.1 Flash TTS

textsound
Aspect ratios: 1:1, 9:16, 16:9 Price: 100 credits

Strong at

  • Разговор с до 10 различни гласа в един файл: всеки ред почва с името на говорещия
  • Указания за стил с думи: тон, темпо, акцент и настроение, отделно от самия текст
  • 30 готови гласа, мъжки и женски, всеки със свой характер (твърд, топъл, жизнерадостен, спокоен…)
  • 87 езика, сред тях и български, или автоматично според текста
  • Тагове направо в текста: смях, шепот, въздишка и паузи с три дължини
  • Текст до 50 000 знака наведнъж

Weak at

  • Предварителна версия: гласовете и поведението още може да се променят
  • Някои непознати тагове се изчитат на глас, вместо да се изиграят
  • Няма клониране на собствен глас, само готовите 30

Don't use it for

  • Не го ползвай, когато трябва твоят собствен глас
  • Не разчитай на необичайни тагове без проба: ползвай тези от списъка

Typical tasks

  • Диалог между двама или повече герои
  • Подкаст или интервю
  • Реклама с разказвач
  • Озвучаване на видео на друг език

Frequently asked questions about Gemini TTS

How much does one generation with Gemini TTS cost?

You pay with credits and the price depends on the model: Gemini 3.1 Flash TTS — 100 credits. The exact price is shown before you start the generation.

What are the limitations of Gemini TTS?

Here is what each model supports: Gemini 3.1 Flash TTS — aspect ratios 1:1, 9:16, 16:9.

What is Gemini TTS best for?

Strengths by model: Gemini 3.1 Flash TTS — Разговор с до 10 различни гласа в един файл: всеки ред почва с името на говорещия, Указания за стил с думи: тон, темпо, акцент и настроение, отделно от самия текст, 30 готови гласа, мъжки и женски, всеки със свой характер (твърд, топъл, жизнерадостен, спокоен…).

Try Gemini TTS now

Generate your own voice with Gemini TTS right in the browser — no installation, in English.

Open the AI Studio See the prices