Google представила ИИ-модель синтеза речи Gemini 3.1 Flash TTS, нейросеть для роботов и приложение Gemini для macOS

Gemini 3.1 Flash TTS: синтез речи нового поколения

Google анонсировала серию крупных релизов, ключевым из которых стала Gemini 3.1 Flash TTS — модель преобразования текста в речь, построенная на архитектуре Gemini 3. Обновлённая нейросеть обеспечивает повышенное качество звука, большую выразительность и детализированный контроль над генерацией голоса. Модель поддерживает свыше 70 языков и открывает возможности для создания голосовых ИИ-интерфейсов как для разработчиков, так и для корпораций и обычных пользователей.

Доступ к Gemini 3.1 Flash TTS уже открыт по нескольким каналам:

• Разработчики могут использовать её в режиме предварительного доступа через Gemini API и Google AI Studio;
• Корпоративные клиенты получают доступ через Vertex AI;
• Пользователи Workspace — через сервис Google Vids.

В рейтинге Artificial Analysis TTS модель набрала 1211 баллов. Оценка сформирована по результатам слепого тестирования с участием тысяч респондентов, оценивавших качество сгенерированного аудио. Аналитики Artificial Analysis отнесли Gemini 3.1 Flash TTS к числу наиболее привлекательных решений на рынке благодаря сочетанию высокого качества синтеза и невысокой стоимости. Отдельно подчёркивается способность модели генерировать естественные диалоги с участием нескольких спикеров.

Аудио-теги для точного управления голосом

Одним из ключевых нововведений версии 3.1 Flash TTS стали аудио-теги — инструменты, позволяющие разработчикам управлять стилем, темпом и манерой подачи речи. В официальном блоге Google отмечается, что первые тестировщики и корпоративные пользователи уже оценили «впечатляющую управляемость и выразительность» новой модели. По их словам, аудио-теги позволяют достичь нового уровня творческой точности, превращая текст в качественное голосовое исполнение.

Почему это важно

Релизы Google затрагивают сразу три стратегических направления: голосовой ИИ, робототехнику и десктопные приложения. Модель синтеза речи может изменить подход к созданию голосовых интерфейсов, аудиоконтента и автоматизации общения с клиентами. Робототехническая модель в связке с Boston Dynamics приближает массовое внедрение ИИ в промышленные процессы. А нативное приложение для macOS расширяет экосистему Google AI на аудиторию пользователей Apple.

Gemini Robotics-ER 1.6: ИИ для роботов

Одновременно с речевой моделью Google представила Gemini Robotics-ER 1.6 — нейросеть, предназначенную для управления роботами в реальных условиях. Модель нацелена на улучшение когнитивных способностей машин и развитие «воплощённого» мышления: пространственное восприятие, планирование действий и оценка результатов.

По сравнению с предшественницей и Gemini 3.0 Flash новая модель демонстрирует существенный прогресс в задачах, связанных с пространственным и физическим мышлением. Gemini Robotics-ER 1.6 способна считывать данные со сложных измерительных приборов и анализировать показатели через смотровые стекла — эту функциональность команда Google DeepMind разрабатывала совместно с Boston Dynamics для промышленного применения.

Вице-президент проекта Spot в Boston Dynamics Марко да Сильва отметил, что подобные возможности позволяют роботам автономно воспринимать окружающую среду, анализировать её и реагировать на реальные задачи.

В тестах на выявление угроз безопасности Gemini Robotics-ER 1.6 показала результат на 6% лучше, чем Gemini 3.0 Flash в текстовых сценариях, и на 10% лучше при анализе видео. Boston Dynamics уже интегрировала модель и Gemini в свою платформу Orbit AIVI-Learning.

Приложение Gemini для macOS

Третьим значимым анонсом стало нативное приложение Gemini для macOS. Оно вызывается сочетанием клавиш Option + Пробел и поддерживает функцию передачи контекста через расшаривание окна. В приложении доступны генерация изображений с помощью Nano Banana, создание видео через Veo и другие инструменты экосистемы Google AI.

Ранее в апреле Google также анонсировала Gemma 4 — семейство открытых ИИ-моделей для продвинутых рассуждений и агентных рабочих процессов.