Вы можете использовать результаты генерации в коммерческих целях. Все права на созданный контент принадлежат вам. Единственное ограничение: убедитесь, что в запросе не использовались защищённые авторским правом материалы третьих сторон. Ответственность за соблюдение прав на входные данные лежит на пользователе.

Модель от google-gemini генерирует аудио по текстовому описанию: озвучка роликов, голосовые ответы в сервисах, аудиоверсии статей и рассылок. Контекстное окно 65 536 токенов позволяет подавать длинные тексты целиком, а лимит вывода доходит до 32 000 токенов за один запрос.

На выходе вы получаете аудио, а конкретный контейнер, битрейт и частоту дискретизации наши данные не фиксируют — эти параметры видно в ответе API. Ориентируйтесь на лимит вывода в 32 000 токенов: он и задаёт максимальный объём одной озвучки за запрос.

Отдельный режим рассуждений в наших данных у этой модели не отмечен, но отсутствие пометки — не отказ, просто мы такой факт не подтверждаем. Для озвучки длинная цепочка размышлений обычно и не требуется: важнее аккуратный текст и понятная структура реплик.

Пометок о function calling и структурированном JSON у нас нет, поэтому обещать их мы не будем. Если строгая схема обязательна, проверьте поведение запросом через единый OpenAI-совместимый API BotHub или соберите логику на текстовой модели, а озвучку отдайте этой.

Приём изображений, аудио и видео на вход в наших данных не отмечен — отрицать такую возможность мы не станем, но и гарантировать тоже. Надёжный путь: подавать текст, а мультимодальный ввод проверить на практике, тем более переключение модели в одном окне занимает секунды.

Про языки запроса и озвучки наши данные ничего не сообщают, поэтому честнее один раз проверить модель на своём тексте и услышать результат. Со стороны BotHub всё по-русски: интерфейс, поддержка, оплата российскими картами и доступ без VPN и зарубежной карты.