Google представила Gemini 3.1 Flash TTS — новую версию модели для синтеза речи из текста. Главное в ней — повышенная естественность голоса и расширенный контроль над его параметрами. Модель уже доступна разработчикам через API и Google AI Studio, а для бизнеса — в Vertex AI и Workspace. Она работает с более чем 70 языками и умеет генерировать диалоги с несколькими персонажами, сохраняя уникальность каждого голоса.

Ключевой фишкой стали аудиотеги: они дают возможность управлять озвучкой как дирижерской палочкой. Текстовыми командами меняйте темп, интонацию или акцент даже посреди фразы. Плюс инструменты для настройки сцены — задайте фон и контекст, чтобы персонажи реагировали реалистично. 

Благодаря передаче эмоций модель идеальна для аудиокниг, видео и чат-ботов. Тонкая настройка избавляет от монотонности старых синтезаторов и адаптирует голос под локальные языковые нюансы.