Gemini 3.8TTSの音声リミックス機能についてのお話

,

https://aistudio.google.com/docs/changelog?hl=ja
※Google GeminiAPIリリースノートより引用

Gemini 3.8TTSとは?

API利用者向けに詳細が記載されておりますが、3.8TTSではもともと多くの音声ペルソナが用意されておりますが、それをプロンプトを使って、オリジナルな音声ペルソナにエディットできる機能・・・というとわかりやすいですかね?

音声ペルソナの調整が難しかった

この機能リリース前は、音声ペルソナを選択はできるんですが、それを思ったようにコントロールするのが結構難しく、読み上げ途中で声色がブレるという現象が時折見られました。

そういう弊社の社内実験アプリでも、この調整はかなり苦労しておりました。

実際つかってみると?

早速、この機能をつかってみたのですが、もちろんAPIの呼び出しの際のプログラムミング次第ではありますが、以前よりも格段に声色のコントロールがしやすくなったこと、また、声色の一貫性が増したことは間違いありません。

3.8系TTSはかなり自然な読み上げをしてくれることはわかっているので、これでより一層、実用性が増したといえます。

まとめ

音声読み上げのジャンルは、多彩な選択肢がありますが、Gemini3.8TTSはそれらに並べるクオリティーまできているといっても過言ではありません。

とはいえ、単体で使うにはいろいろと仕組みが必要なこと、APIの利用料がネックにはなるので、ちょっとお試ししてみてよかったら本格的に導入するというのがオススメとなります。

TTSを活用したアプリを公開する予定もありますので、ぜひお楽しみに!