Google DeepMind、表現力と制御性を向上させた音声AIモデル「Gemini 3.1 Flash TTS」をリリース

Google DeepMindは、新しい音声AIモデル「Gemini 3.1 Flash TTS」をリリースしました。このモデルは、従来のバージョンと比較してAI音声の品質と表現力が向上しており、特に細粒度なオーディオタグを用いて、音声スタイルやペースを自然言語コマンドで制御できる点が大きな特徴です。

Gemini 3.1 Flash TTSは、70以上の言語に対応し、Google AI Studio、Vertex AI、Google VidsといったGoogle製品全体で利用可能になります。開発者は、これらのプラットフォームを通じて、より自然で表現豊かなAI音声を生成できるようになります。これにより、多言語対応のコンテンツ制作やアクセシビリティ向上に貢献すると期待されます。

実務においては、AI音声の品質向上により、顧客対応システムやコンテンツナレーションの質が高まります。しかし、全ての生成音声にはSynthIDによる透かしが埋め込まれており、AI生成であることを識別できるようになっています。これは、AI音声が悪用されるリスク、特に誤情報の拡散を防ぐための重要な対策ですが、コンテンツ利用の際にはこの透かしの存在を考慮する必要があります。