О модели Gemini 3.8 Flash TTS
Gemini 3.8 Flash TTS — модель синтеза речи Google. Она озвучивает текст одним голосом или превращает сценарий из двух ролей в диалог. На ГПТ Россия доступны 70 голосов, описание манеры речи свободным текстом и теги эмоций прямо в реплике, а озвучка стоит 4₽ за 1000 знаков. Русский текст модель озвучивает: мы проверили это на тестовых запросах перед запуском.
Режимы: один голос и диалог
В режиме одного диктора вы вставляете текст, выбираете голос и при желании описываете манеру речи. В режиме диалога задаёте двух говорящих, каждому свой голос, и пишете реплики по очереди; модель озвучивает разговор целиком, как подкаст с двумя ведущими, сценку для курса или диалог героев ролика. На один запрос — до 5000 знаков суммарно, а в диалоге от 2 до 20 реплик, каждая не длиннее 2000 знаков.
70 голосов по назначению
Голоса разбиты на десять групп по сценарию использования: «Репетитор», «Рекламный диктор», «Обучение», «Подкаст», «Рассказчик», «Цифровой ассистент», «Колл-центр», «Консьерж», «Техподдержка» и «Профессиональный». В каждой группе от пяти до одиннадцати голосов с именами, например Kore, Puck, Charon, Zephyr и Fenrir. По умолчанию выбран голос Kore. Описаний тембра мы не придумываем: имя голоса, его группа и прослушивание — лучший способ выбрать.
Манера речи и эмоции в тексте
Для каждой реплики можно описать манеру речи свободным текстом до 200 знаков: тон, эмоцию, темп. Например: «говорит как уставший ведущий ночного радио, медленно и сухо» или «бодро и с любопытством, чуть быстрее обычного». В самой реплике допустимы теги эмоций и звуков в угловых скобках на английском: <laugh>, <breath>, <short pause>, <whispers> и другие. Пример реплики: «Привет! <laugh> Ну, это сработало». Модель превращает такие теги в смех, дыхание, паузу или шёпот, а не читает их как слова.
Как написать диалог
Запишите сценарий по репликам: у каждой есть говорящий и текст. Назначьте двум ролям разные голоса из разных групп, например рассказчика и ведущего, чтобы слушателю было легче различать роли. Манеру задавайте там, где она действительно меняется; если вся реплика звучит в одном тоне, хватит короткого описания. Когда у двух ролей разные голоса, доступен переключатель «Слова-паузы (э-э, ну)»: он добавляет в разговор живые вставки. Теги эмоций ставьте в тексте реплики перед фразой, к которой они относятся. Весь запрос ограничен 20 репликами и 5000 знаками, поэтому длинный разговор делите на сцены и озвучивайте каждую отдельным запросом с теми же голосами.
Формат файла
Результат — аудиофайл WAV без сжатия: 16 бит, 24 кГц, моно. Он удобен для монтажа, но весит больше MP3: минута речи занимает около 2,9 МБ. Для публикации в подкасте или на сайте файл при необходимости можно сжать в любом аудиоредакторе.
Цена в рублях
Озвучка стоит 4₽ за 1000 знаков и считается блоками по 1000: текст в 2500 знаков оплачивается как три блока — 12₽, полный запрос в 5000 знаков — 20₽. В диалоге считаются суммарные знаки всех реплик. Для сравнения: ElevenLabs v4 Turbo стоит 8₽ за 1000 знаков, Multilingual v2 — 12₽, ElevenLabs v4 — 16₽. Gemini 3.8 Flash TTS не входит в безлимитные тарифы: оплата с баланса по факту, скидка тарифа — от 5% на «Базовом» до 20% на «Студии» — применяется к каждому списанию, а при ошибке генерации деньги возвращаются на баланс автоматически. Цена указана на момент публикации и может измениться.
Чем Gemini 3.8 Flash TTS отличается от ElevenLabs
ElevenLabs v4 — самая выразительная модель ElevenLabs с более чем 90 языками, 21 голосом и аудио-тегами; она стоит 16₽ за 1000 знаков и принимает до 10 000 знаков за раз. Gemini 3.8 Flash TTS в четыре раза дешевле, предлагает 70 голосов, режим диалога двух ролей и описание манеры каждой реплики, но один запрос ограничен 5000 знаков. Нужен длинный монолог с максимальной выразительностью — берите ElevenLabs v4. Нужны недорогая озвучка, диалог двух ролей или выбор из большого набора голосов — берите Gemini. Клонирования голоса в ГПТ Россия нет в обеих моделях: доступны только готовые голоса.
Как начать на ГПТ Россия
Зарегистрируйтесь на gptrf.ru по почте, через Яндекс ID или VK ID, пополните баланс картой или через СБП и откройте раздел озвучки. Выберите Gemini 3.8 Flash TTS, голос и режим, один диктор или диалог, вставьте текст и запустите генерацию. VPN и зарубежная карта не нужны.
Характеристики
Цена в gptrf.ru
Gemini 3.8 Flash TTS оплачивается по балансу подписки. от 4₽/1K символов — базовая стоимость. Скидка по подписке от 5% (Базовый) до 20% (Студия).
Сравнение с прямым доступом: для большинства зарубежных сервисов нужна иностранная карта и VPN. В gptrf.ru — оплата в рублях через карту или СБП, без VPN, серверы в России.
Частые вопросы
Сколько стоит озвучка в Gemini 3.8 Flash TTS?
4₽ за 1000 знаков, блоками по 1000: 2500 знаков оплачиваются как три блока — 12₽, максимальный запрос в 5000 знаков — 20₽. В диалоге считаются суммарные знаки всех реплик. Модель не входит в безлимитные тарифы, оплата идёт с баланса со скидкой тарифа.
Сколько голосов в Gemini 3.8 Flash TTS?
70 готовых голосов в десяти группах по назначению: «Репетитор», «Рекламный диктор», «Обучение», «Подкаст», «Рассказчик», «Цифровой ассистент», «Колл-центр», «Консьерж», «Техподдержка» и «Профессиональный». По умолчанию выбран Kore. Клонирования голоса в ГПТ Россия нет.
Можно ли сделать диалог двух голосов?
Да. В режиме диалога задаются два говорящих, каждому свой голос, и реплики пишутся по очереди. Модель озвучивает разговор целиком. На один запрос — до 20 реплик и до 5000 знаков суммарно, у каждой реплики можно описать свою манеру речи.
Как задать эмоции и манеру речи?
Двумя способами. Манеру реплики описывают свободным текстом до 200 знаков, например «бодро и чуть быстрее обычного». А в тексте реплики допустимы английские теги в угловых скобках: <laugh>, <breath>, <short pause>, <whispers> и другие.
Умеет ли Gemini 3.8 Flash TTS клонировать голос?
В ГПТ Россия нет: доступны только 70 готовых голосов. Загрузить образец своего голоса и озвучить текст им нельзя ни в одиночном режиме, ни в диалоге.
Какой максимальный объём текста за один запрос?
До 5000 знаков суммарно; в диалоге — от 2 до 20 реплик, каждая до 2000 знаков, манера каждой реплики — до 200 знаков. Текст длиннее лимита разделите на части по смыслу и озвучьте одним и тем же голосом; для очень больших объёмов удобнее ElevenLabs v4, который принимает до 10 000 знаков.
В каком формате получается файл?
WAV без сжатия: 16 бит, 24 кГц, моно. Минута речи занимает около 2,9 МБ. Для монтажа формат удобен, а для публикации файл при необходимости можно сжать в любом аудиоредакторе.
Поддерживает ли Gemini 3.8 Flash TTS русский язык?
Русский текст модель озвучивает: мы проверили это на тестовых запросах перед запуском. Перед длинной озвучкой всё равно проверьте выбранный голос на коротком фрагменте, чтобы услышать произношение и интонацию.
Создать первое →