Párbeszédek megszólaltatása a Gemini TTS-sel: 30 hang és minden beállítás

A szakaszban "Hang" egy új eszköz jelent meg - párbeszédek megszólaltatása Gemini TTS. A kész forgatókönyvet hanggá alakítja: megadod a beszélőket, azok hangját és karakterét, a szolgáltatás pedig egyenként szólaltatja meg a sorokat, és a kész MP3-t adja vissza.

Milyen hangszer ez

Ez nem egy szöveg egyhangú felolvasása, hanem egy teljes szöveg több beszélős párbeszéd. Minden karakter megkapja a saját hangját, akcentusát, előadásmódját és tempóját – a sorok pedig úgy hangzanak, ahogyan eltervezték: beszélgetés a műsorvezetők között, összefoglaló, interjú, sorok a szereplőktől a videóhoz.

Két modell kapható:

• Gemini 3.8 Flash TTS — expresszív hangjáték: gazdagabb érzelmek, természetesebb ritmus, finomabb kézbesítési kontroll. Alkalmas podcastokhoz, hangoskönyvekhez, beszédhangokhoz.
• Gemini 3.8 Flash-Lite TTS — ugyanaz a mechanika olcsóbb és gyorsabb: nagy kötetek, piszkozatok és szövegek hangos felolvasása esetén.

Milyen beállítások érhetők el?

Az interfész megjeleníti a hangalapú modell által biztosított összes paramétert:

• Beszélők. Egytől több karakterig; mindegyiknek saját aláírása van: „Speaker 1”, „Speaker 2” és így tovább, amellyel a replikákat a hanghoz társítják.
• 30 szavazat - a lágy narratívától az energikusig és a „hírekig”.
• 8 ékezetes - semleges, amerikai (általános, "völgy", déli), brit (RP és Brixton), transzatlanti, ausztrál.
• 6 tálalási mód — mosoly a hangban, bemondó, suttogás, empátia, promóció és „száraz” egyenletes hangnem.
• 4 beszédsebesség - természetes, mintás, sima „drift” és szaggatott.
• Hang karakter - ingyenes leírás, például „meleg mesemondó” vagy „szigorú kapuőr”.
• Hőmérséklet - 0-tól 2-ig: alacsonyabb - stabilabb és kiszámíthatóbb, magasabb - élénkebb és változatosabb.
• Jelenet és általános hangnem - a környezet leírása („csendes szoba pattogó kandallóval”) és a narráció stílusa („hangoskönyv, puha és hívogató”).
• Replikák — minden párbeszédsor legfeljebb 10 000 karakterig; a replikák sorrendje megmarad.

A párbeszéd hangosítása: lépésről lépésre

1. Nyitott "Hang" szakasz és válasszon egy modellt Gemini 3.8 Flash TTS vagy Flash-LiteTTS - a modellek listájának alján vannak.
2. Adjon hozzá beszélőket, és szabja testre az egyes személyek hangját, akcentusát, stílusát és tempóját.
3. Írja le a párbeszéd sorait, és mindegyikhez azonosítsa a beszélőt.
4. Ha szükséges, töltse ki a jelenet leírását, az általános hangszínt és a hőmérsékletet.
5. Nézze meg az árat – az indítás ELŐTT látható, és a szöveg beírásakor újraszámításra kerül.
6. Kattintson a „Hang” elemre, és ha kész, hallgassa meg az eredményt, és töltse le a MP3 fájlt.

Mennyibe kerül

Az árat a szöveg tényleges mennyisége alapján számítják ki: minél hosszabbak a replikák, annál magasabbak a költségek, és az indulás előtt is látható – generálás után nincs meglepetés. A fizetés a webhely tokenek használatával történik, mint a többi fizetett generáció esetében; sikertelenség esetén a tokenek automatikusan visszaküldésre kerülnek. Az árkalauz közvetlenül az űrlapon tekinthető meg: az összeg a szkript beírása közben frissül.

Gyakran ismételt kérdések

Lejátszhatom a párbeszédet két vagy több karakter között? Igen, minden beszélőnak megvan a saját hangja és beállításai, a vonalak váltják egymást.

Milyen formában van az eredmény? MP3 - meghallgathatja az oldalon, és egy gombbal letöltheti.

Milyen nyelveket beszél a modell? A modell többnyelvű: több tucat nyelven szólaltat meg szövegeket, köztük oroszul és angolul is.

Mit válasszunk: Flash vagy Flash-Lite? Kifejező projektekhez - Flash, nagy mennyiségekhez és piszkozatokhoz - Flash-Lite: a mechanika ugyanaz, de olcsóbb és gyorsabb.

Fizetnem kell a kipróbálásért? A leírás akkor történik, amikor a hangvezérlés elindul, és ha hiba történik, a tokenek automatikusan visszaküldésre kerülnek.