Покажем озвучку на Gemini 3.8 на одной задаче целиком. Кофейне к открытию нужны две вещи: рекламный ролик для радио у дома и короткая сценка для соцсетей, где два фирменных стаканчика спорят, кто шуршит в холодильнике. Первое делается во вкладке «Озвучка», второе — в «Диалогах».
Шаг 1. Переключи движок
В студии Аудио под полем для текста есть кнопка «Движок: …». Она раскрывает список, где у каждого движка написана цена минуты звучания; дорогие стоят выше, лёгкие ниже. Две последние строки — это и есть Gemini 3.8.
Разница между ними короткая. Flash — старшая версия, Lite легче и отдаёт звук заметно быстрее. Голоса и настройки у них общие, так что можно записать один и тот же текст обоими и сравнить на слух — готовые пары для сравнения лежат на странице Gemini 3.8 TTS.
Шаг 2. Вставь рекламный текст
Вставь текст, который нужно озвучить
Голос прочитает его слово в слово — как написано, так и прозвучит.
Выбери голос и жми «смуззИИ»
Каждый голос можно послушать в списке. Стоимость генерации будет указана на кнопке, спишем по длине готового звука.
Для радио текст пишется короче, чем кажется нужным: секунд на двадцать-тридцать, одно предложение — одна мысль. Нашей кофейне хватило трёх фраз про новое меню и адрес.
Паузы и акценты задаёт пунктуация, а эмоцию — пометки в квадратных скобках прямо в тексте. Gemini их отыгрывает, а не произносит: [laughs] превращается в смешок, [whispers] — в шёпот. Мы проверили четыре таких пометки — ещё [sighs] и [shouting], — все четыре сработали на обеих версиях.
Голос выбирается кнопкой рядом с движком; любой из тридцати можно прослушать в списке до запуска.
Шаг 3. Настрой подачу под рекламу
Кнопка «Подача» — главное отличие Gemini от обычного синтеза речи. Для нашего ролика подошла манера «С улыбкой». Если нужен бодрый эфир, есть «Реклама, на драйве»; рядом темп и акцент, а под ними — раздел «Характер и сцена», куда своими словами пишешь, кто говорит и где это звучит.
Любую настройку можно оставить на «Как выйдет» — тогда голос читает по своему разумению.
Шаг 4. Собери сценку на двоих
Впиши реплики героев
У каждой строки свой голос — он выбирается над ней. Ещё строку добавит «Добавить реплику».
Выбери голоса и жми «смуззИИ»
Стоимость генерации будет указана на кнопке, спишем по длине готового звука.
Во вкладке «Диалоги» поставь в меню «Движок» Gemini 3.8. Сценка пишется построчно: над каждой репликой свой голос, «Добавить реплику» даёт новую строку, порядок меняется перетаскиванием за точки слева.
Для Gemini в сцене два голоса. Когда оба уже заняты, новая реплика подставляет один из них, а в меню голосов остаются только эти двое — третьего модель не примет, и студия не даст его выбрать.
В «Подаче» у диалога сверху переключатель между двумя героями. В нашей сценке Зефира говорит шёпотом, а Пак — скороговоркой: настройки у каждого свои. Сцена и «живость» задаются одни на весь диалог.
Шаг 5. Запусти и послушай
Звук готов
Послушай его и скачай стрелкой справа. Поделиться — через три точки.
Перед числом на кнопке стоит «~»: до запуска длина звука неизвестна, поэтому там оценка по тексту. После готовности считаем по фактической длине: звук вышел короче — разница сразу вернётся на баланс, длиннее — спишем недостающее по той же ставке. Минимальный счёт — одна минута звучания, так что двадцатисекундный ролик стоит как минута.
Готовый файл встаёт на экран студии — его можно прослушать, скачать или отправить дальше. Прошлые озвучки лежат в «Работах».
Частые вопросы
Почему на кнопке «~» перед ценой?
Точную длину звука заранее не знает никто — ни мы, ни модель. Поэтому до запуска на кнопке оценка по тексту, а итог считается по готовому файлу.
Можно ли в диалоге больше двух героев?
На Gemini — нет: два голоса на сцену, это предел самой модели. Студия не даст выбрать третий, чтобы запрос не упал уже после нажатия.
Что делать, если голос сыграл не так?
Поменяй манеру в «Подаче» или допиши в «Характер и сцена», кто говорит и в какой обстановке. Разные голоса читают один текст по-разному — попробуй двух-трёх, их можно прослушать до запуска.
Сколько текста за один раз?
До 5000 символов. Это примерно пять-шесть минут речи.