Google DeepMind は Gemini ファミリーに 2 つの新しいテキスト読み上げモデルを導入しました：Gemini 3.8 Flash TTS と Gemini 3.8 Flash-Lite TTS。これらのモデルは、音声生成を静的なプリセットから動的なクリエイティブスタジオへと変換し、クリエイター、開発者、企業がより豊かで表現力豊かなオーディオ体験を作成できるようにします。Gemini 3.8 Flash TTS は、深いクリエイティブディレクションとキャラクターデザインのために構築されており、ゲーム、オーディオブック、ポッドキャスト、インタラクティブメディアにおいて、自然言語プロンプトからゼロベースでカスタムボイスを生成することを可能にします。Gemini 3.8 Flash-Lite TTS は、大量生産とコスト効率に焦点を当てており、吹き替え、音声エージェント、トーンとペースの細かい制御が必要な表現コンテンツに最適化されています。

これらのモデルは Gemini Audio ファミリーを拡張し、3.5 Live Translate、3.5 Transcribe、3.8 Live、3.8 Live Extended Thinking などのリリースに続きます。ユーザーは、30 の元のボイスから無制限のライブラリへと拡張でき、メキシコスペイン語、ケベックフランス語、スコットランド英語を含む広範な言語カバレッジを持つ 2,000 以上のプロダクション準備完了ボイスにアクセスできます。ボイスレプリケーションはわずか 30 秒のサンプルからサポートされ、同意の確認、Synth ID ウォーターマーク、および C2PA 資格情報によって裏付けられています。

両モデルは、行ごとの精密なパフォーマンス制御、話者ドリフトが最小限の長尺生成、ネイティブな 2 スピーカー シーンのステージング、スクリプトによるボーカルバーストによる現実的な会話テクスチャを提供します。さらに、ボイスリミックス機能も近日公開予定で、プロンプトを通じてティンバー、ピッチ、ペース、アクセントの微調整が可能になります。

主要なエンティティ: 企業: Google DeepMind, Google AI Studio, Google Vids | 人物: Alan Cowen

よくある質問: Gemini 3.8 Flash TTS と Flash-Lite TTS の主な違いは何ですか？

Gemini 3.8 Flash TTS は、深いクリエイティブディレクションとキャラクターデザインのために設計されており、ゼロからカスタムボイスを作成し、演技の指示、ペース、方言の変化に対して細かい制御を提供します。Flash-Lite TTS は、大量生産とコスト効率に最適化されており、吹き替え、音声エージェント、トーンとペースの細かい制御が必要な表現コンテンツに最適です。