Google выкатил самые продвинутые аудиомодели Gemini, и это не одна модель, а весь голосовой стек.

Транскрипция на 85+ языках с таймкодами по спикерам. Почти живой перевод речь-в-речь, который сохраняет твой тон и ритм. Низколатентное аудио для голосовых агентов, которые умеют не только болтать, но и выполнять действия. И озвучка, где стилем, темпом и эмоцией управляешь через аудиотеги.

Все помечено SynthID :)