Новости
Gemini Flash TTS в МедиаЛаб: озвучивайте текст 30 голосами на 87 языках
В МедиаЛаб СуперИнтеллекта доступна модель Gemini Flash TTS от Google: вставляете текст — получаете готовую озвучку. 30 голосов, 87 языков, управление стилем речи обычными словами и диалоги разными голосами. Рассказываем, где найти модель, как настроить и для чего использовать.
· ~6 мин
В МедиаЛаб СуперИнтеллекта появилась озвучка текста моделью Gemini Flash TTS от Google. Это синтез речи (text-to-speech): вы вставляете текст — и получаете готовый аудиофайл с человеческой озвучкой. Доступно 30 голосов, 87 языков и диалектов и управление стилем речи — тоном, темпом и эмоциями — обычными словами. Модель построена на базе языковой модели, поэтому понимает не только ЧТО произнести, но и КАК: с нужной интонацией, паузами и настроением.
Что умеет Gemini Flash TTS
- 30 голосов — женские и мужские, у каждого свой характер: твёрдый, мягкий, тёплый, энергичный, информативный и т.д. Каждый можно прослушать перед генерацией.
- 87 языков и диалектов — от русского и английского до казахского, немецкого, испанского, китайского, японского и десятков других. Можно делать мультиязычную озвучку.
- Управление стилем речи — тон, эмоцию, темп и даже акцент задаёте естественным языком: «спокойно и профессионально», «быстро и с воодушевлением», «тёплым доверительным голосом».
- Диалоги — озвучивайте реплики персонажей разными голосами по очереди и собирайте живую сцену вместо монотонного чтения одним голосом.
- Готовый MP3 — результат появляется в галерее МедиаЛаб, его можно скачать и вставить в видео, подкаст, курс или рекламу.
Где найти модель на платформе
Это самый частый вопрос, поэтому по шагам. Озвучка живёт в студии генерации МедиаЛаб — рядом с картинками и видео.
- В левом меню откройте раздел «МедиаЛаб».
- В колонке «Тип задачи» выберите «Работа с аудио».
- В списке моделей (раздел «Флагманские») выберите «gemini-3.1-flash-tts» — с подписью «Gemini 3.1 Flash TTS от Google».
- Откроется форма генерации — заполняете поля и запускаете озвучку.
Как устроена форма генерации
- «Текст или описание аудио» — сюда вставляете текст, который нужно озвучить (есть счётчик символов).
- «Стиль речи — тон, темп, эмоции» (необязательно) — описываете обычными словами, как произнести. Можно оставить пустым.
- «Язык» — 87 языков и диалектов, по умолчанию русский. Выбирайте под ваш текст.
- «Голос» — 30 голосов, у каждого указан пол и характер. Кнопка ▶ проигрывает образец. По умолчанию — Kore (женский, твёрдый).
- «Создать задание» — запускает озвучку; готовый файл появляется в галерее МедиаЛаб.
Стиль речи: задавайте словами
Главная фишка модели — вы управляете подачей на человеческом языке. В поле «Стиль речи» пишите инструкцию так, будто объясняете диктору. Практический совет из отраслевых материалов: эмоционально окрашенный текст вместе с инструкцией стиля даёт более убедительный результат, чем сухой нейтральный текст.
Примеры поля «Стиль речи»
Спокойным профессиональным тоном, без спешки
Быстро и с воодушевлением, как ведущий шоу
Тёплым доверительным голосом, будто говорите с другом
С лёгкой иронией и улыбкой
Медленно и торжественно, с паузами на важных словах
Радостно и оптимистично, энергично
Серьёзно и сдержанно, деловым тоном
Шёпотом, интригующе30 голосов: под какую задачу что брать
| Пол | Голоса и их характер |
|---|---|
| Женские | Kore (твёрдый), Achernar (мягкий), Aoede (лёгкий), Autonoe (яркий), Callirrhoe (спокойный), Despina (плавный), Erinome (чёткий), Gacrux (зрелый), Laomedeia (бодрый), Leda (юный), Pulcherrima (выразительный), Sulafat (тёплый), Vindemiatrix (нежный), Zephyr (светлый) |
| Мужские | Charon (информативный), Achird (дружелюбный), Algenib (с хрипотцой), Algieba (плавный), Alnilam (уверенный), Enceladus (с придыханием), Fenrir (энергичный), Iapetus (ясный), Orus (уверенный), Puck (задорный), Rasalgethi (информативный), Sadachbia (живой), Sadaltager (знающий), Schedar (ровный), Umbriel (расслабленный), Zubenelgenubi (непринуждённый) |
| Задача | Голос | Стиль речи |
|---|---|---|
| Обучающий урок | Charon / Iapetus | Спокойным профессиональным тоном, без спешки |
| Реклама, промо | Fenrir / Autonoe | Быстро и с воодушевлением, энергично |
| Аудиокнига, рассказ | Gacrux / Schedar | Медленно и выразительно, с паузами |
| Reels / Shorts | Puck / Laomedeia | Бодро и задорно, коротко |
| Голосовое приветствие | Sulafat / Achird | Тёплым доверительным голосом |
| Новость, объявление | Alnilam / Erinome | Чётко и уверенно, деловым тоном |
Диалоги разными голосами
Чтобы сделать живую сцену-диалог, озвучьте реплики персонажей разными голосами по очереди — каждую реплику своим голосом и стилем, — а затем соберите дорожки вместе. Так вы получаете диалог с характерами, а не монотонное чтение одним голосом. Подходит для аудиоспектаклей, обучающих сценок «продавец — клиент», подкастов на два голоса.
Для чего использовать
Контент и видео
- Закадровый голос для Reels, Shorts и YouTube.
- Озвучка подкастов и аудиорекламы.
- «Озвучить пост, лендинг или сценарий» — превратить текст в аудио.
Обучение
- Аудиоуроки, микроуроки и озвучка онлайн-курсов.
- Аудиокниги и учебные материалы, тренинги.
- Локализация курсов на разные языки — один текст, десятки языков.
Бизнес
- Аудиоролики для рекламы и объявления.
- Голосовые приветствия и автоответчик.
- Озвучка презентаций и промо-материалов.
Как начать
- Зарегистрируйтесь на платформе — у новых пользователей есть бесплатный стартовый баланс: создать аккаунт.
- Откройте МедиаЛаб → «Работа с аудио» → gemini-3.1-flash-tts.
- Вставьте текст, при желании опишите стиль речи, выберите язык и голос (прослушайте образец кнопкой ▶).
- Нажмите «Создать задание» и скачайте готовый MP3 из галереи.
Частые вопросы
Где именно находится модель озвучки?
В разделе МедиаЛаб: в колонке «Тип задачи» выберите «Работа с аудио», затем в разделе «Флагманские» — модель «gemini-3.1-flash-tts» (подпись «Gemini 3.1 Flash TTS от Google»).
Как задать нужную интонацию и эмоцию?
Опишите её обычными словами в поле «Стиль речи» — например «тёплым доверительным голосом» или «быстро и с воодушевлением». Поле необязательное, но именно оно делает озвучку живой. Эмоциональный текст усиливает эффект.
На каких языках можно озвучивать?
На 87 языках и диалектах. По умолчанию стоит русский, но доступны английский, украинский, казахский, немецкий, французский, испанский, итальянский, португальский, турецкий, китайский, японский, корейский, арабский, хинди, польский и десятки других. Один и тот же текст можно озвучить на разных языках.
Можно ли сделать диалог из нескольких персонажей?
Да. Озвучьте реплики каждого персонажа отдельным голосом и стилем, а затем соедините дорожки — получится живая сцена с разными характерами.
В каком формате получается результат?
Готовый аудиофайл MP3 появляется в галерее МедиаЛаб. Его можно скачать и использовать в видео, подкасте, курсе, рекламе — где угодно.
Что почитать дальше
- Полный гайд по озвучке текста нейросетью Gemini TTS — все настройки и приёмы.
- Озвучка для соцсетей и видео — Reels, Shorts, YouTube.
- Озвучка для обучения и бизнеса — курсы, презентации, ролики.
- Картинки для бизнеса: примеры и промпты — ещё одна возможность МедиаЛаб.
- GigaChat на СуперИнтеллекте — ещё одна модель на платформе.
- ИИ для малого бизнеса: с чего начать — общий старт.