Google анонсировала две модели синтеза речи — Gemini 3.8 Flash TTS и Gemini 3.8 Flash-Lite TTS. представила их как инструмент для создания голосов по текстовым инструкциям. Разработчики получат полный контроль над темпом и интонацией каждой реплики. Но за этим функционалом скрывается вопрос о реальной стоимости доступа к API.
Модели способны генерировать собственные голоса по текстовому описанию. Это значит, что компаниям не нужно нанимать дикторов или арендовать студии. Достаточно описать нужный тембр словами, и система создаст голос с нуля. Такой подход сокращает время производства аудио с недель до часов.
Для создателей контента это открывает доступ к профессиональному аудио без дорогостоящего оборудования. Независимые подкастеры и авторы роликов смогут генерировать озвучку прямо в браузере. Однако качество синтеза пока не сравнили с ведущими решениями от OpenAI и Amazon. Пользователям придётся тестировать самостоятельно.
При этом конкуренты уже предлагают похожие возможности существуют на рынке годами. ElevenLabs и Amazon Polly работают с голосами давно. Google пришла с запозданием, пытаясь захватить разработчиков агрессивной ценовой политикой. Но рынок голосовых моделей уже насыщен, и преимущества новичка остаются сомнительными.
А вы уже выбираете голосовой движок для своего проекта или ещё не определились с платформой? Сравнить все варианты по качеству, цене и функционалу без чтения десятков обзоров поможет нейросеть AiGENDA — подберёт решение под ваши задачи и покажет, где сэкономить. Первый запрос — абсолютно бесплатно. Если понравится результат, сами выберете удобный тариф.
