Саймон Уиллисон собрал страницу для озвучки текста моделями Gemini 3.8 TTS
На странице Уиллисона модель Gemini 3.8 Flash TTS примерно за 20 секунд озвучила диалог двух персонажей разными голосами. Запись длиной 1 минута 18 секунд стоила 2,74 цента.
Разработчик Саймон Уиллисон сделал веб-страницу, где текст можно озвучить новыми моделями Google — Gemini 3.8 Flash TTS и Gemini 3.8 Flash-Lite TTS, рассказал он в блоге. Пользователь вводит собственный API-ключ1, и страница обращается к Gemini прямо из браузера: API Google принимает такие запросы со сторонних сайтов. Код Уиллисон написал методом вайб-кодинга2, поручив его модели GPT-6 Astra.
Заметной особенностью API Уиллисон называет возможность описать целый диалог нескольких персонажей. Каждому можно назначить свой голос и свои указания о манере речи. Для проверки он озвучил сценку, в которой два пеликана спорят, не переехать ли им на пирс в калифорнийском городе Пасифика. Сценарий написала модель Claude 4.5 Opus. Она же составила ссылку, которая открывает страницу Уиллисона с уже вставленным сценарием для озвучки.
Ролик длиной 1 минута 18 секунд Gemini 3.8 Flash TTS сгенерировала примерно за 20 секунд. Это обошлось в 2,74 цента. Уиллисон уточнил, что брал основную модель, а не более дешёвую Flash-Lite.
Обе модели Google выпустила 23 сентября. В их библиотеке больше 2 000 голосов, а собственный голос можно создать по 30-секундной записи — своей или той, на которую у пользователя есть права. Ранее, 15 сентября, Уиллисон так же с помощью GPT-6 Astra собрал страницу для разговора с голосовой моделью Gemini Live.