23 сентября 2026 г.
Приложение может заговорить на 130 языках: Gemini TTS вышел из превью
22 сентября Google вывела Gemini 3.8 Flash TTS и Flash-Lite TTS из превью. Flash TTS поддерживает 130 языков, Flash-Lite TTS — 101, язык текста модели определяют сами. До 31 декабря Flash стоит $0.50 за миллион входных и $9 за миллион выходных аудиотокенов, Flash-Lite — $0.50 и $6.
Раньше быстрый синтез речи работал на `gemini-3.1-flash-tts-preview`. Теперь Gemini предлагает Flash-Lite для большого потока запросов и сохраняет прежнюю схему API с теми же промптами. При переезде постоянные указания по подаче переносят в `speech_metadata`, а ответ теперь приходит WAV-файлом с RIFF-заголовком вместо raw PCM.
В Google AI Studio Audio Playground можно создать голос или реплицировать свой, затем раздать реплики двум спикерам в редакторе сценария. Для репликации хватает 30-секундного образца, но Google требует запись согласия владельца голоса. Эта функция недоступна в Иллинойсе, Техасе, ЕЭЗ, Великобритании, Швейцарии и Индии.
Для приложения. Голоса создаются через endpoint Voices `/v1beta/voices`, а аудио через POST-запрос к `/v1beta/interactions`: модель, текст, `response_format: audio` и голос в `generation_config.speech_config` сразу дают `out.wav`. Flash TTS принимает только текст и возвращает только аудио, с лимитом 8 192 входных и 16 384 выходных токена.
1 января 2027 года цены обеих моделей вырастут вдвое: Flash до $1 и $18, Flash-Lite до $1 и $12 за миллион токенов.
* Meta Platforms Inc. признана в РФ экстремистской организацией, её деятельность запрещена; Facebook и Instagram заблокированы. Meta AI и другие продукты компании — продукты этой организации.
Первоисточник
