Стиль и эмоции в озвучке

Наведите курсор на вкладку «Аудио» и выберите Gemini 3.1 TTS (Диктор). В описании сказано: «Озвучка от Google с управлением стилем и эмоциями».

Панель справа, как у всех аудиомоделей, пустая — название и кнопка с ценой. Настройки при этом есть, просто они не там: форма модели дорисована в конце ленты генераций, в центре экрана.

Увеличить

Промотайте ленту вниз. Над полем ввода стоят три элемента:

• «Голос» — выпадающий список, по умолчанию Kore с пометкой «Уверенный»: у голосов есть характер, и он подписан рядом с именем;
• «Язык» — по умолчанию русский;
• «Стиль голоса» — отдельная кнопка рядом с голосом.

Под полем — свёрнутый раздел «Расширенные настройки» (раскрывается нажатием) и кнопка «Сгенерировать». У самого поля есть лимит: счётчик показывает 0 / 4000.

Увеличить

Подсказка у поля ввода необычно щедрая, она сразу называет теги:

Введите текст для озвучки. Можно использовать теги: [excitedly], [whispering], [sigh], [short pause]…

Что они значат:

• [excitedly] — воодушевлённо, с подъёмом;
• [whispering] — шёпотом;
• [sigh] — вздох;
• [short pause] — короткая пауза.

Многоточие в подсказке означает, что теги этим не исчерпываются — набор шире, и имеет смысл пробовать другие английские слова того же рода.

Здесь списываются деньги: 4 ₽ за генерацию. Цена стоит на кнопке справа и строкой внизу экрана.

Увеличить

Тег ставится перед той частью, к которой относится:

[excitedly] Друзья, у меня отличные новости!
[short pause]
[whispering] Только пока никому не говорите.
[sigh] Ладно, расскажу всё сразу.

Правила простые:

• теги пишутся по-английски, в квадратных скобках, даже если текст русский;
• тег действует вперёд, на следующий фрагмент;
• не ставьте два тега подряд к одной фразе — модель выберет один;
• сам текст произносится на русском, теги вслух не читаются.

Частая ошибка — размечать каждое предложение. Получается актёрская истерика: голос дёргается от эмоции к эмоции, и слушать это тяжело.

Рабочая мера — один-два тега на абзац, в тех местах, где смена интонации осмысленна: начало, поворот, вывод.

Паузы — исключение, их можно ставить чаще: [short pause] хорошо разделяет пункты списка и делает речь спокойнее.

Если общая подача не та, сначала смените голос: у каждого свой характер, и это влияет сильнее любых тегов.

Обе модели стоят 4 ₽, и выбор между ними такой:

Если сомневаетесь — начните с Gemini TTS без тегов. Получится обычная озвучка, а теги можно добавить во второй попытке.