Gemini TTS
مدل تبدیل متن به گفتار Gemini؛ صداهای متعدد، کنترل لحن با دستور متنی و پشتیبانی چندزبانه.
این صفحه برای آشنایی و مقایسه است و فعلاً این مدل از طریق IRNoti ارائه نمی‌شود. مدل‌های هم‌رده‌ای که می‌توانید همین حالا استفاده کنید را در فهرست مدل‌ها ببینید.
Gemini TTS قابلیت تولید گفتار در خانوادهٔ Gemini است. مهم‌ترین ویژگی آن امکان هدایت لحن و سبک خواندن با دستور متنی است (مثلاً «آرام و دوستانه بخوان») و پشتیبانی از چند گوینده در یک مکالمه. صداهای از پیش‌ساخته و چندزبانه دارد و از طریق Gemini API در دسترس است.
نقاط قوت
- هدایت لحن با دستور متنی
- گفت‌وگوی چندگوینده
- پشتیبانی چندزبانه
محدودیت‌ها
- شبیه‌سازی صدای دلخواه ندارد
- تلفظ فارسی باید آزموده شود
کاربردها
- پیام صوتی و IVR
- پادکست و گفت‌وگوی دوصدایی
- گویندگی ویدئو
مشخصات
- ورودی
- متن
- خروجی
- صدا
- وزن باز
- خیر
سوالات متداول
چطور لحن را تنظیم کنم؟
قبل از متن، یک جملهٔ دستور سبک بنویسید و سپس متن اصلی را بدهید.
مدل‌های مرتبط
Gemini 2.5 Pro
Google DeepMind · مدل‌های زبانی و چت
مدل پرچم‌دار چندوجهی گوگل با پنجرهٔ متن یک‌میلیون‌توکنی و استدلال داخلی.
Gemini 2.5 Flash
Google DeepMind · مدل‌های زبانی و چت
نسخهٔ سریع و کم‌هزینهٔ Gemini با پنجرهٔ بزرگ؛ مناسب پردازش حجیم و برنامه‌های زنده.
Imagen
Google DeepMind · تولید تصویر
مدل تولید تصویر گوگل با جزئیات و واقع‌گرایی بالا و رندر متن بهتر از نسل‌های قبل.
Veo
Google DeepMind · تولید ویدئو
مدل ویدئوی گوگل با کیفیت سینمایی و تولید صدا و گفت‌وگوی همگام در نسخه‌های جدید.