AIToday
大規模言語モデル音声・スピーチSimon Willison's Weblog掲載日時: 2026年9月24日 6:00

Google、Gemini 3.8 TTS公開

LINEで送る
Google、Gemini 3.8 TTS公開

3つのポイント

  1. 何が起きたか

    Googleはgemini-3.8-flash-ttsとgemini-3.8-flash-lite-ttsを公開。2,000超の音声と、30秒の音声サンプルからカスタム音声を作成できる。

  2. なぜ重要か

    2つの新音声モデルにより、音声の選択肢が広がり、短いサンプルだけでカスタム音声を作りやすくなる。開発者がより自然な音声アプリを作る助けになり得る。

  3. 注目点

    標準版とFlash-Lite版のコストと速度のトレードオフが、開発者の選択を左右する。デモではGemini 3.8 Flash TTSで1分18秒の音声生成に約20秒、2.74セントかかった。

誰に効くか音声対応アプリを手がける開発者やプロダクトチームは、2,000超の音声と手軽なカスタム音声作成に対応した、より安価なGemini TTSの選択肢を2つ得た。製品に自然な音声を加える際の障壁が下がる可能性がある。

わからないところ、AIに聞けます

質問と回答はこのページに公開されます。

こういう要約が、毎朝あなたのメールに届きます。

背景と解説

Googleが新たに投入した2つの音声合成モデル、gemini-3.8-flash-ttsとgemini-3.8-flash-lite-ttsは、標準版と軽量版の音声合成を選べる形でGeminiのラインナップを広げる。2,000超の音声ライブラリを備え、わずか30秒の音声サンプルからカスタム音声を作成できるため、パーソナライズされた音声生成への敷居が下がりそうだ。

注目すべき機能は、異なる音声とスタイル指示で複数話者の会話を定義できる点で、2羽のペリカンがPacifica Pierへの引っ越しを議論するデモで示された。このデモはGemini 3.8 Flash TTS(安価なFlash-Liteではない)を使い、1分18秒の音声生成に約20秒、コストは2.74セント。開発者にとって速度と価格の実用的なバランスを示唆している。

本当の試金石は、Flash-Lite版がより低コストで許容できる品質を出せるかどうか、そして開発者が用途に応じて2つのモデルのトレードオフをどう判断するかだ。

よくある質問
利用できる音声はいくつあるか?
2,000超の音声が含まれる。
音声生成のコストはいくらか?
Gemini 3.8 Flash TTSを使った1分18秒のクリップは2.74セントだった。
Simon Willison's Weblog元記事を読む
LINEで送る

あなたの仕事に関係するAIニュースを、毎朝お届けします。

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 →

AIに質問

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。

質問と回答はこのページに公開されます。

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

関連記事

Reson8、5億パラメータの音声認識モデルを無償公開

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

NEWSiliconANGLE AI4時間前

マイクロソフトがAIエージェントで攻撃対抗サービス提供開始

Microsoft Ignite 2026でマイクロソフトは赤・青・緑チームのエージェントを組み合わせ攻撃模擬・検知調査・脆弱性修正を行うMicrosoft Perceptionの一般提供を発表した

NEWPublickey4時間前

Windows Server 2028がパブリックプレビュー公開

Microsoft Ignite 2026でWindows Server 2028のパブリックプレビューが公開され、Microsoft Foundry、Windows ML、vLLM、Llama.cppによるAI推論ホス…

NEWPublickey4時間前

AUMOVIOがLLMの唯一の経路をDatabricksに統一

AUMOVIOはDatabricks Unity GatewayをLLMへの唯一の経路に採用

NEWDatabricks AI Blog4時間前

CADMAGEDDON、5ベンチマークで最先端CADモデル超え

CADMAGEDDONはBenchCADの64³ボクセルIoUで、1000部品のサブセットにおいて0.991を記録し、Claude Sonnet 5.5の0.963、Claude Opus 5.5の0.962、GPT-6…

NEWAI Weekly4時間前

MIT Technology ReviewのAI指数、AIは遍在

MIT Technology ReviewのAI誇大広告指数はAIの広がりを示し、GoogleのAI Overviewsが広告収入で数十億ドルを失わせたことやAI支援のサイバー攻撃を挙げた

NEWMIT Technology Review AI4時間前
次の記事へEnveda、3億1100万ドル調達