Gemini 3.1 Flash TTS: 表現力が進化した次世代AI音声モデルの発表

概要

Googleは、自然言語の「オーディオタグ」で話速や感情を精密に制御でき、70以上の言語に対応した高品質な音声生成モデル「Gemini 3.1 Flash TTS」をリリースしました。

詳細内容

Googleは、テキスト読み上げ技術の最新モデル「Gemini 3.1 Flash TTS」を発表しました。このモデルは、Artificial AnalysisのTTSベンチマークで高いEloスコアを記録し、高品質かつ低コストな音声生成を実現しています。最大の特徴は、テキスト内に自然言語の指示（オーディオタグ）を挿入することで、話速、トーン、アクセントなどの細かいニュアンスを直感的に制御できる点です。また、複数人による対話の再現やシーン設定機能も備えており、開発者はGoogle AI StudioやVertex AIを通じて、一貫性のあるキャラクターボイスを簡単に構築・エクスポートできます。安全面では、生成されたすべての音声にSynthIDによる不可視の電子透かしが挿入され、AI生成コンテンツの識別が可能です。

元記事を読む他のサマリーを見る