⚡️ Мощнейшие нейронки для генерации голоса выкатила Google — это Gemini 3.8 Flash TTS и её дешёвая версия Flash-Lite TTS. Обе уже держат топ по бенчам:

🔅 Знают больше 1️⃣0️⃣0️⃣ языков и диалектов, в том числе русский;
🔅 Имеют больше 2000 голосов с различными акцентами;
🔅 Повторят ЛЮБОЙ голос по 30-секундной записи речи;
🔅 Можно сгенерить новый голос по текстовому промпту и даже редачить его;
🔅 Голос не меняется несколько часов аудио;
🔅 Можно добавлять реалистичный смех, вздохи и перебивания;
🔅 Можно создать диалог между несколькими спикерами.

Пользуемся новинкой тут.

🙂 Не баг, а фича