Text-to-speech biasa membacakan semuanya dengan satu suara. Podcast, wawancara, atau sketsa membutuhkan lebih dari itu: dua atau tiga orang yang saling menanggapi, menyela, dan tertawa. Menggabungkan baris-baris terpisah secara manual memakan waktu lama, dan jeda di antaranya tetap terdengar janggal. Fitur Dialog menyuarakan seluruh naskah sekaligus, sebagai satu rekaman utuh.
Tulis setiap baris dalam barisnya sendiri: "Anna: Hai! Kita akan membahas apa hari ini?". Nama sebelum titik dua adalah nama pembicara, dan kamu bisa menetapkan suara untuk masing-masing pembicara. Baris yang diawali tanda hubung akan bergantian antara dua suara. Belum punya naskah? Deskripsikan sebuah topik — misalnya "dua teman berdebat soal pindah ke kota lain" — pilih durasi dari 1 hingga 5 menit, dan AI akan menulis dialog dua orang secara gratis yang bisa kamu edit.
Gemini 3.1 Flash TTS dari Google menyuarakan dua pembicara dengan harga terjangkau dan jeda yang alami, dan kamu bisa menentukan suasana percakapan hanya dengan kata-kata. Eleven v3 Dialogue dari ElevenLabs mendukung hingga tiga suara dengan gaya penyampaian paling ekspresif: tag seperti [laughs], [whispers], [interrupting] langsung di dalam baris naskah. Kamu hanya membayar untuk teks yang diucapkan — nama pembicara tidak dihitung.