Google запустила синтез речи на 130 языках с 2000 голосами

Google выпустила две модели синтеза речи — Gemini 3.8 Flash TTS и облегченную Flash Lite TTS. Первая поддерживает 130 языков и 2000+ готовых голосов с разными акцентами, вторая охватывает 101 язык.

Обе модели генерируют голос по текстовому описанию, воспроизводят смех, вздохи и многоголосные диалоги без сбоев на длинных файлах. По независимому рейтингу Artificial Analysis Flash TTS занял второе место после Cartesia Sonic 3.6, но лидирует по устойчивости произношения с результатом 89,5%.