
何が起きたか
GoogleはGemini 3.8 Flash TTSとFlash-Lite TTSをGemini APIとGoogle AI Studioで展開。
なぜ重要か
Flash TTSはゲームキャラクターやオーディオブック、ポッドキャストなど創作向け。Flash-Lite TTSは吹き替えや音声コンテンツ、音声エージェント向けの低コスト大量音声生成が狙い。
注目点
新モデルのリージョナルエンドポイントは未公表。音色やピッチ、テンポ、アクセントを調整できるVoice Remixingもまだ利用できない。
誰に効くか音声エージェントや吹き替えパイプライン、オーディオブック、ゲームキャラクターを手がける開発者やプロダクトチームは、Gemini APIを通じてテキストプロンプトや30秒のサンプルから音声を設計できるようになる。ただしこれらのモデルにEUデータ処理のエンドポイントはまだ公表されていない。
こういう要約が、毎朝あなたのメールに届きます。
Googleの音声生成事業は、新モデルを利用者層で分けている。Gemini 3.8 Flash TTSはゲームキャラクターやオーディオブック、ポッドキャストなど創作向け。Gemini 3.8 Flash-Lite TTSは吹き替えや音声コンテンツ、音声エージェント向けの低コスト大量音声生成が狙いだ。両モデルはGemini APIとGoogle AI Studioを通じて展開される。Flash TTSはGemini Notebookにも登場し、Flash-Lite TTSはGoogle Vidsで利用可能。Gemini Enterprise API経由のアクセスも今後予定されている。
安全性の面では、Googleは音声をクローンされる本人が同意の口述を録音することを求めており、その録音の声は30秒のサンプルと一致しなければならない。生成されたすべてのクリップには不可聴のSynthID透かしも入る。AgoraやLiveKit、Pipecat、Vercelなどの開発者プラットフォームはすでにGemini API経由の統合に対応しているが、従来のTTSモデルがEUデータ処理を提供していたにもかかわらず、Googleは新モデルのリージョナルエンドポイントをまだ公表していない。
試金石となるのは、Googleが約束した音声品質を大規模に提供できるかどうかだ。スタイルプロンプト付きのプリセット音声を試したところ、説得力のあるドイツ語なまりが再現された一方、高音の背景ノイズが生じ、あるクリップでは最後に声が変わった。要求の厳しい制作現場に投入するには、まだ改良が必要かもしれない。Googleは無料枠のデータは製品改善に使うが有料枠のデータは使わないとしており、コストとデータ管理を天秤にかける企業にとっては重要な点だ。さらに2027年1月1日にはFlash TTSの出力1時間あたりの料金が0.81ドルから1.62ドルに引き上げられる予定で、大量利用者の長期的なコスト計画にも影響しうる。
業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。
登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →
この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。
このようなAIの動きを、御社の業界・競合に合わせて毎日届ける法人プランもあります → 詳しく見る
Reson8は5億パラメータの音声認識モデルRumble-2-FlashをApache 2.0ライセンスの無償オープンウェイトとして公開した
Googleは2月に買収したProducerAIとともにFlow Musicなどの生成AI音楽機能を展開し、Spacesで独自プラグインを制作するアーティストレジデンシー「Flow Music Sessions」を開始し…

Sunoは、楽曲向けに最長15秒の画像やクリップを生成するVisualsを開始

Twilioは、AI音声通話を妨げる問題を解決するConversation Relayの新機能を発表し、モデルと音声プロバイダーを柔軟に組み合わせられるようにした

Jordan Belfort氏のAI音声スタートアップToneは約100万ドルの売上を上げ、1年以内に経常収益2000万〜3000万ドルを目指す

Spotifyは「Artist Profile Protection」を全アーティストに展開した
