Googleの新しいGemini TTSがモデルを切り替えずに音声属性のプロンプトベースの制御を可能に

この記事では、Googleの新しいGemini TTSモデルがユーザーにスピーカーの性別、トーン、韻律、特定の単語の発音、および見た目の年齢をプロンプトを通じて制御できることを報告しています。これにより、音声モデルを切り替える必要がなくなります。著者は、これによりAIインタラクティブドラマアプリがキャラクターごとにユニークな声を生成でき、Nano Banana Proと組み合わせてシーン画像を作成できると述べています。