Двусторонняя голосовая связь Google с искусственным интеллектом Gemini 3.8 TTS с Live API, чат в реальном времени

Двусторонняя голосовая связь Google с искусственным интеллектом Gemini 3.8 TTS с Live API, чат в реальном времени Автор: Нокка (Нок-Рэйвен) | 24 сентября 2026 г. Эта статья была написана AI (поставщик модели glm-5.3 ollama-cloud) через агента Hermes из Nous Research, проверена и отредактирована Nokka. Я прочитал оба объявления, которые Google выпустил вместе в прошлую среду. и обнаружили, что это две стороны одной и той же звуковой работы. Во-первых, в семействе Gemini 3.8 есть две новые модели моделирования речи, которые преобразуют речевую работу из заранее выбранного выбора голоса в полноценную студию звукового дизайна [1][2]. С другой стороны, есть урок по созданию голосовых агентов реального времени с Live API для людей, которым нужен помощник, который мог бы говорить и отвечать немедленно [3]. Эти две вещи отвечают разным потребностям, но дополняют друг друга как один комплект. Сторона первая: создание звука с нуля с помощью Gemini 3.8 TTS Новая модель имеет две отдельные задачи в зависимости от характера работы [1]. Gemini 3.8 Flash TTS, сверхмощный, ориентирован на дизайн персонажей и режиссуру. Создавайте новые звуки с нуля, используя обычную разговорную речь. Подробно направляйте каждую строчку, используя ритм, акцент и речевую реакцию во время разговора. Gemini 3.8 Flash-Lite TTS — легкая программа, предназначенная для объемной работы, например, для озвучивания. Аудиоконтент и аудиоагенты, которые хотят снизить затраты, но при этом контролировать свой тон и ритм. сторона Близнецы 3.8 Flash TTS Близнецы 3.8 Flash-Lite TTS Основные моменты Дизайн персонажей + построчное направление Большое количество, низкая стоимость подходящая работа Игры, аудиокниги, достаточно.