グーグルGemini 3.8 TTS：30秒のサンプルで声を複製可能

動察 Beating AI 速報、GoogleはGemini 3.8 Flash TTSとFlash-Lite TTSを発表し、2つのテキスト読み上げモデルがGemini APIとGoogle AI Studioで公開された。Flashは音質、キャラクターパフォーマンス、長文の安定性を重視し、Liteは高スループット、低遅延、低コストに傾いている。

両モデルともテキストから直接新しい声を作成でき、約30秒の参照音声で本人または許諾を得た声をクローンできる。ユーザーは文ごとに感情、リズム、アクセントを制御でき、笑い声、ため息、咳などの音も挿入可能。二人の対話も1つの台本から直接生成できる。Flashは130言語、Liteは101言語に対応。

価格も前世代より低い。2026年12月31日まで、Flashの音声出力は100万トークンあたり9ドル、Liteは6ドル。前世代のGemini 3.1 Flash TTS Previewは20ドルだった。2027年1月1日から、両モデルの標準価格は18ドルと12ドルに上がる。