Урок из полного доступа, первые уроки курса бесплатно Официальный курс Gemini API Cookbook на русском
Урок 27 · Текст · ~5 мин

Озвучка текста в Gemini

Урок 27 из 71 курса «Gemini API: быстрый старт»: официальный курс Gemini API Cookbook (Гугл Джемини) на русском языке. Урок входит в платный доступ; первые уроки курса бесплатно.

О чём урок

Примечание: В этом блокноте используются модели Gemini 3.8 TTS (gemini-3.8-flash-tts и gemini-3.8-flash-lite-tts), структурированные элементы управления доставкой speech_metadata и Voices API (client.voices). Ищете устаревшую версию gemini-2.5-*-preview-tts с подсказками в виде обычного текста? Проверьте архивную ветку.

Gemini API может преобразовывать текстовый ввод в одно- или многоголосное аудио, подобно NotebookLM.

С Gemini 3.8 TTS (gemini-3.8-flash-tts и gemini-3.8-flash-lite-tts) вы можете: - Разделять что говорится (text) от как это исполняется (speech_metadata) — контролируя персону, эмоции, темп, акцент и встроенные вокальные выражения (<laugh>, <sigh>, <whisper>, <short pause>). - Выбирать из 30 предустановленных голосов ИЛИ создавать свои собственные голоса с помощью Voices API (client.voices): - Voice Design (type="prompted"): Создавайте совершенно новые, многократно используемые пользовательские голосовые персоны из описания на естественном языке. - Voice Replication (type="replicated"): Клонируйте голос из 10-секундного эталонного аудиоклипа (либо с сохранением состояния store=True, либо без сохранения состояния store=False). - Организовывать многоголосные беседы: Объединяйте предустановленные голоса и пользовательские голоса в динамических многоголосных диалогах.

🎙️ Подробное погружение в пользовательские голоса: Это руководство охватывает основные возможности TTS и представляет client.voices. Полное руководство по Voice Design, Voice Replication, управлению вашей постоянной библиотекой голосов (create, list, get, delete) и многоголосным пользовательским голосовым диалогам см. в Get_Started_Voices.ipynb (Открыть в Colab)!

Прежде чем углубляться в код, вы также можете попробовать эту возможность в AI Studio и изучить документацию по генерации речи.

Обратите внимание, что модели TTS только синтезируют речь — они не обладают общими возможностями рассуждения стандартных моделей Gemini. В Gemini 3.8 TTS, text рассматривается строго как дословная транскрипция для произнесения (вместе с встроенными вокальными тегами), в то время как инструкции по доставке передаются в speech_metadata. Если вам нужны рассуждения в реальном времени с аудиовыходом, используйте вместо этого Live API.

Для выполнения следующей ячейки ваш ключ API должен быть сохранен в Colab Secret с именем GEMINI_API…

План урока

  1. Настройка
  2. Настройка ключа API
  3. Установка и инициализация SDK
  4. Выбор модели
  5. Генерация простого аудиовыхода
  6. Выбор голоса
  7. Создание пользовательских голосов с помощью Voices API (client.voices)
  8. Управление тем, как говорит модель

Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.

Откройте полный доступ

Вы прошли бесплатные уроки. Выберите тариф, чтобы продолжить обучение.

Курсы Google Gemini 1 490 ₽ Разовый платёж, навсегда
  • Все курсы от Google Gemini (2 шт.)
  • Именной сертификат по каждому пройденному курсу
Оплатить
Полный доступ 4 900 ₽ Разовый платёж, навсегда
  • Все 77 курсов от 11 AI-провайдеров
  • Библиотека промптов и новые курсы
Оплатить

Безопасная оплата через Robokassa: СБП, карты, электронные кошельки. Доступ откроется в этом браузере и придёт письмом. Уже оплатили? Восстановить доступ

Урок входит в темы

Полезные гиды