Gemini 3.8のテキスト読み上げが登場
Googleは2026年9月23日、テキストの指示でカスタム音声を作成し、1行ごとに話し方を制御できるGemini 3.8 Flash TTSとFlash-Lite TTSを公開した。Flashはゲームやオーディオブックなどの創作向け、Flash-Liteは吹き替えや音声エージェントなど大量・低コスト用途向け。
記事の内容
Googleは2026年9月23日、2つの音声合成モデルを発表しました。Gemini 3.8 Flash TTSはクリエイティブな演出とキャラクター設計向けで、自然言語の説明から100を超える言語・方言で声を作れます。Gemini 3.8 Flash-Lite TTSは吹き替えや音声エージェントなど、大量かつ低コストな用途を狙っています。
機能には、2,000以上の声のライブラリ、30秒のサンプルからの声の複製（口頭での同意の録音が必要）、カスタム音声の保存、行単位の演技指示、長尺の生成、2人の話者によるシーン構成があり、声のリミックスは近日対応とされています。GoogleはFlash TTSがHume AIのVoice Design Benchmarkで1位（71.4）だと述べています。すべての音声にSynthIDの透かしが付きます。Flash TTSはGemini API、AI Studio、Gemini Notebook、Flash-Lite TTSはGemini API、AI Studio、Google Vidsで利用でき、声の複製はEEAや英国など複数の地域では使えません。
この要約は、Google DeepMind の公式ページをもとに AnnuIA が自分の言葉で作成しました。内容および権利は発行元に帰属します。元の記事をご覧ください。