Gemini 3.8 Flash Lite TTS

Суть

Это модель синтеза речи Google: на вход принимает текст, на выходе создаёт аудио. В семействе Gemini 3.8 TTS она ориентирована на низкую задержку и обработку больших объёмов. Google указывает автоматическое распознавание языка текста и поддержку множества языков, включая русский. Для генерации можно использовать готовые голоса, а также настраиваемые голосовые персонажи и клонирование голоса.

Сильные стороны

Модель рассчитана на сценарии, где важны скорость и производительность при регулярной или массовой генерации аудио. Она поддерживает выразительную подачу и использует ту же схему API и структуру запросов, что и Gemini 3.8 Flash TTS, поэтому переход между моделями не требует перестройки формата запросов. Для управления стилем речи и указания говорящего применяются структурированные метаданные; доступен и выбор голоса.

Типовые сценарии

Подходит для озвучивания текстов и функций чтения вслух, генерации повседневной речи одним голосом, а также для голосовых агентов, которым нужно быстро превращать текстовые ответы в аудио. Может использоваться в производственных конвейерах с большим потоком задач и в системах, где голос создаётся с помощью заранее подготовленного или настроенного персонажа.

Ограничения

Это модель преобразования текста в речь, а не универсальный генератор текста: содержание для озвучивания следует передать в запросе. Текст трактуется как дословная реплика, поэтому указания вроде «говори весело» могут быть произнесены вслух, если оставить их прямо в тексте; устойчивый стиль и метки говорящего следует задавать через метаданные речи. По сравнению с Gemini 3.8 Flash TTS версия Lite позиционируется для пропускной способности и низкой задержки, тогда как обычная версия ориентирована на более тонкую актёрскую подачу, сложные диалоги и диалектные особенности.