Google、70言語以上対応の高表現力音声合成モデル「Gemini 3.1 Flash TTS」を発表
要約
Googleが新たに発表したGemini 3.1 Flash TTSは、テキストを自然な音声に変換する技術において大幅な機能向上を実現した。このモデルは70言語以上に対応し、従来よりも表現力豊かな音声合成を可能にする。特筆すべきは、スタイル、ペース、トーンを精密にコントロールできる新しいオーディオタグ機能の搭載で、ユーザーはより細かな音声調整が行えるようになった。多言語対応により、グローバルな音声アプリケーション開発への道筋が示されている。
洞察・気づき
この発表は音声合成技術の民主化を大きく前進させる可能性がある。70言語という広範な対応により、言語の壁を越えたアクセシブルなコンテンツ作成が容易になり、特に教育、エンターテインメント、アクセシビリティ分野での活用が期待される。また、音声のスタイルやトーンを細かく制御できる機能は、ブランドに特化した音声アシスタントやパーソナライズされた音声体験の実現を可能にし、音声UIの品質向上に寄与するだろう。Google のこの技術進歩は、他の大手技術企業との音声AI競争を激化させ、業界全体の技術水準向上を促進することが予想される。