Google представил Flash TTS: создай голос ИИ из текстового описания на 100+ языках

Google представил Gemini 3.8 Flash TTS и Flash-Lite TTS — две модели синтеза речи, которые работают с более чем 100 языками. Главная фишка Flash TTS — возможность создать новый голос с нуля, просто описав его текстом: например, «спокойный мужской голос с лёгкой хрипотцой». Модели также поддерживают режиссёрские пометки (stage directions) для отдельных строк и могут генерировать диалог двух голосов из одного скрипта.

Кроме того, у моделей есть функция клонирования голоса: достаточно 30-секундного аудиосэмпла, чтобы построить голосовой профиль. Flash-Lite TTS — облегчённая версия для задач, где важна скорость и низкая задержка. Обе модели доступны через API Google Cloud, что открывает широкие возможности для разработчиков голосовых ассистентов, аудиокниг и локализации контента.