Εκφώνηση διαλόγων Gemini TTS: 30 φωνές και όλες οι ρυθμίσεις
Στην ενότητα "Ήχος" εμφανίστηκε ένα νέο εργαλείο - φωνητική ερμηνεία διαλόγων Gemini TTS. Μετατρέπει το ολοκληρωμένο σενάριο σε ήχο: καθορίζετε τα ομιλητές, τις φωνές και τον χαρακτήρα τους και η υπηρεσία εκφωνεί τις γραμμές μία προς μία και επιστρέφει το τελικό MP3.
Τι είδους όργανο είναι αυτό
Αυτό δεν είναι να διαβάζεις ένα κείμενο με μια φωνή, αλλά ένα πλήρες διάλογος πολλών ομιλητών. Κάθε χαρακτήρας έχει τη δική του φωνή, προφορά, στυλ παρουσίασης και ρυθμό - και οι γραμμές ακούγονται όπως προορίζονταν: μια συζήτηση μεταξύ των παρουσιαστών, ένα σκετς, μια συνέντευξη, γραμμές από τους χαρακτήρες για το βίντεο.
Δύο μοντέλα διαθέσιμα:
- Gemini 3.8 Flash TTS — εκφραστική εκφώνηση: πλουσιότερα συναισθήματα, πιο φυσικός ρυθμός, καλύτερος έλεγχος της απόδοσης. Κατάλληλο για podcast, ηχητικά βιβλία, φωνητικά.
- Gemini 3.8 Flash-Lite TTS — οι ίδιοι μηχανισμοί είναι φθηνότεροι και πιο γρήγοροι: για μεγάλους τόμους, προσχέδια και ανάγνωση κειμένων δυνατά.
Ποιες ρυθμίσεις είναι διαθέσιμες;
Η διεπαφή εμφανίζει όλες τις παραμέτρους που παρέχονται από το μοντέλο φωνής:
- Ομιλητές. Από έναν έως πολλούς χαρακτήρες. το καθένα έχει τη δική του υπογραφή "Speaker 1", "Speaker 2" και ούτω καθεξής, με την οποία τα αντίγραφα συνδέονται με τη φωνή.
- 30 ψήφοι - από απαλή αφήγηση σε ενεργητική και «ειδήσεις».
- 8 τόνοι - ουδέτερη, αμερικανική (γενική, "κοιλάδα", νότια), βρετανική (RP και Brixton), υπερατλαντική, αυστραλιανή.
- 6 στυλ σερβιρίσματος — ένα χαμόγελο στη φωνή, ένας εκφωνητής, ένας ψίθυρος, ενσυναίσθηση, promo και ένας «στεγνός» ομοιόμορφος τόνος.
- 4 ρυθμοί ομιλίας - φυσικό, χαριτωμένο, ομαλό "drift" και σπασμωδικό.
- Φωνητικός χαρακτήρας - δωρεάν περιγραφή, όπως «ζεστός αφηγητής» ή «αυστηρός θυρωρός».
- Θερμοκρασία - από 0 έως 2: χαμηλότερο - πιο σταθερό και προβλέψιμο, υψηλότερο - πιο ζωντανό και πιο ποικίλο.
- Σκηνή και γενικός τόνος - περιγραφή του σκηνικού («ήσυχο δωμάτιο με τζάκι που χτυπάει») και το στυλ της αφήγησης («ένα ηχητικό βιβλίο, απαλό και φιλόξενο»).
- Αντίγραφα — κάθε γραμμή διαλόγου έως 10.000 χαρακτήρες. διατηρείται η σειρά των αντιγράφων.
Πώς να φωνάξετε τον διάλογο: βήμα προς βήμα
- Ανοιχτό Ενότητα "Ήχος". και επιλέξτε ένα μοντέλο Gemini 3.8 Flash TTS ή Flash-LiteTTS - βρίσκονται στο κάτω μέρος της λίστας των μοντέλων.
- Προσθέστε ομιλητές και προσαρμόστε τη φωνή, την προφορά, το στυλ και το ρυθμό κάθε ατόμου.
- Γράψτε τις γραμμές του διαλόγου και προσδιορίστε τον ομιλητή για καθεμία.
- Εάν θέλετε, συμπληρώστε την περιγραφή της σκηνής, τον συνολικό τόνο και τη θερμοκρασία.
- Δείτε την τιμή - είναι ορατή ΠΡΙΝ την κυκλοφορία και υπολογίζεται εκ νέου καθώς εισάγετε κείμενο.
- Κάντε κλικ στο "Voice" και όταν είστε έτοιμοι, ακούστε το αποτέλεσμα και κατεβάστε το MP3.
Πόσο κοστίζει
Η τιμή υπολογίζεται με βάση τον πραγματικό όγκο του κειμένου: όσο μεγαλύτερα είναι τα αντίγραφα, τόσο υψηλότερο είναι το κόστος και είναι ορατή πριν από την κυκλοφορία - δεν υπάρχουν εκπλήξεις μετά από γενιά. Η πληρωμή πραγματοποιείται χρησιμοποιώντας διακριτικά ιστότοπου, όπως και για άλλες γενιές επί πληρωμή. Εάν δεν είναι επιτυχές, τα διακριτικά επιστρέφονται αυτόματα. Ο οδηγός τιμών μπορεί να προβληθεί απευθείας στη φόρμα: το ποσό ενημερώνεται ενώ πληκτρολογείτε το σενάριο.
Συχνές ερωτήσεις
Μπορώ να φωνάξω διάλογο μεταξύ δύο ή περισσότερων χαρακτήρων; Ναι, κάθε ομιλητής έχει τη δική του φωνή και ρυθμίσεις, οι γραμμές εναλλάσσονται.
Σε ποια μορφή είναι το αποτέλεσμα; MP3 - μπορείτε να το ακούσετε στη σελίδα και να το κατεβάσετε με ένα κουμπί.
Ποιες γλώσσες μιλά το μοντέλο; Το μοντέλο είναι πολύγλωσσο: εκφωνεί κείμενα σε δεκάδες γλώσσες, συμπεριλαμβανομένων των ρωσικών και των αγγλικών.
Τι να επιλέξετε: Flash ή Flash-Lite; Για εκφραστικά έργα - Flash, για μεγάλους όγκους και προσχέδια - Flash-Lite: η μηχανική είναι ίδια, αλλά φθηνότερη και ταχύτερη.
Πρέπει να πληρώσω για να δοκιμάσω; Η διαγραφή λαμβάνει χώρα όταν ξεκινά η εκφώνηση και εάν υπάρχει σφάλμα, τα διακριτικά επιστρέφονται αυτόματα.