Пока все гоняются за Midjourney и ChatGPT, Google тихо выкатил зверя.
Новая нейросеть Gemini Speech Generation — это не просто генератор голоса.
Это полноценный актёр за кадром, который умеет плакать, смеяться и ругаться в диалоге, и всё это — бесплатно, прямо сейчас.
🎤 Что это такое?
Gemini Speech — это модуль в AI Studio от Google, который:
- генерирует одноголосую озвучку и диалоги
- позволяет управлять эмоциями, интонацией и темпераментом
- поддерживает 30+ голосов, включая реалистичные русские
- работает без сложных настроек: интерфейс минималистичный
🚀 Почему это лучше, чем ElevenLabs?
- Управление эмоциями прямо в тексте
- Пример: добавляешь “говорит и плачет:” — и голос реально звучит, как будто человек плачет.
- Мультиспикер режим — можно задать 2 голоса, и они переговариваются как в сцене
- Работает на русском языке почти идеально
- Да, даже лучше, чем ElevenLabs в некоторых кейсах
- Бесплатно. Пока.
- Это пока эксперимент в AI Studio — но звучит, как премиум.
🔧 Как пользоваться (пошагово)
- Открываешь Google AI Studio
- В разделе "Generate Media" выбираешь Gemini Speech Generation
- Выбираешь модель:
- Gemini Flash (отзывчивее к командам, эмоции работают лучше)
- Gemini Pro Preview (мощнее, но может "проглатывать" фразы)
- Настраиваешь:
- Один голос или диалог
- Температуру (от сдержанного до креативного)
- Голос (30 опций: зрелый, лёгкий, агрессивный и т.д.)
- Вводишь текст → добавляешь эмоции → слушаешь → кайфуешь
🧠 Фишки и баги
✅ Работает фраза:
говорит и смеётся: Я не хотела ехать в этот парк!
✅ Диалоги звучат реалистично
Пример:
– Ты был лучшим другом, Степан... Но я выбрала Дениса.
– Ну и иди ты в пень, Лариса!
✅ Контекстное окно — до 32 000 токенов!
Можно озвучить целую главу книги
❌ Иногда не срабатывают “всхлипы”, “плач”, “злоба” — требует экспериментов
❌ Нет voice cloning и фильтров, как у Eleven или Minimax
❌ Большие тексты могут “ломаться” — лучше делить на куски
💡 Вывод
Gemini Speech — это реально мощнейший инструмент для озвучки, особенно на русском.
Он даёт контроль, эмоции, и диалоги, а не просто сухой голос.
И пока он бесплатный — глупо этим не пользоваться.