Loading video...

Video Failed to Load

Go Home

Google AI StudioのGemini 3.8 Flash TTSで自分の音声（その１）を読み上げ音声にしました 20秒の録音（添付の冒頭～28秒までが肉声） でその後の読み上げ音声がかなりのバリエーションででてくる すごいな かなり自然だ 音もきれい

8co28's profile picture

852話(hakoniwa)

435,428 subscribers

33,790 views • 4 days ago •via X (Twitter)

ArtsEducationScience & Technology
LIVE

Anya Rossi• Live Now

Private livecam show

7 Comments

852話(hakoniwa)'s profile picture
852話(hakoniwa)4 days ago

Gemini 3.8 Flash TTS理解しました。 （自分の声のAI読み上げ音声化）

ゆきんこ's profile picture
ゆきんこ3 days ago

アバターも個人で好きに変えられたらデスクトップアバターをこれに更新しようと思ったんですけどね 企業単位で許可制らしいのでしばらくは様子見です

黒狼🐺SNS攻略の裏技師's profile picture
黒狼🐺SNS攻略の裏技師4 days ago

Google AI StudioのGemini 3.8 Flash TTS、自然な読み上げ音声なんですね。自分の声を基にした音声生成ができると、コンテンツの幅が大きく広がりそうです😓

更科にゃん丸's profile picture
更科にゃん丸4 days ago

irodoriより優れてそうな感じありますか？

ぽい＠賢くサボる人's profile picture
ぽい＠賢くサボる人4 days ago

わぁ、Gemini 3.8 Flash TTS、自分の声からこんなに自然で綺麗な読み上げ音声が作れるんですね！✨技術の進化に驚きます。これは色々な場面で活躍しそうですね！😊

柳生おたま's profile picture
柳生おたま3 days ago

不自然さ半端なくない？ TTSにしてはレベル低い気がする ただ、irodoriが現状日本語は最高だと思ってるけど、高音域に関してはgeminiが結構いいかもしれないね

Elrice Alphonse's profile picture
Elrice Alphonse4 days ago

この音声クローン、めっちゃ自然だね。Gemini TTSを調べてるんだけど、Pro版のほうが声のクローン性能は高いの？それともサンプル数に制限がある？

Related Videos

オープンソースで使用できる音声クローンAIが発表されました。わずか5秒の音声を共有するだけで、自然でクオリティの高い読み上げ音声を生成できます。ナレーションや電話対応などで、自分のクローン音声を使えそう。詳しくはこちら👇
1:29

オープンソースで使用できる音声クローンAIが発表されました。わずか5秒の音声を共有するだけで、自然でクオリティの高い読み上げ音声を生成できます。ナレーションや電話対応などで、自分のクローン音声を使えそう。詳しくはこちら👇

えいと

192,004 views • 8 months ago

『自分の音声クローン』を作るなら 現状このAIツールがピカイチかもw たった30秒の自分の音声を読み取らせただけで 自分でも分からないレベルの音声が出来上がる。 このツールを知りたい人はこの投稿に 「いいね」と「好きなAI」をリプしてください シークレットリプライでこっそり教えます🤫
0:26

『自分の音声クローン』を作るなら 現状このAIツールがピカイチかもw たった30秒の自分の音声を読み取らせただけで 自分でも分からないレベルの音声が出来上がる。 このツールを知りたい人はこの投稿に 「いいね」と「好きなAI」をリプしてください シークレットリプライでこっそり教えます🤫

りょうちけ🦋株式会社ALLAI CEO

65,721 views • 1 year ago

Gemini 3.8 Flash TTS出たので、自分の声クローンにして感情強めな読み上げしてみた めちゃくちゃ自然だし再現率高い AIの演技が上手いから素人の僕の声でもいい感じに喋ってくれる（ちょっと恥ずい） AI動画とかで音声使う時も、自分とか周りの人に許可もらって使えばかなりいいかもなー ただ、今回ボイスクローンができるようになっているんだけど、クローンにする音声ファイルと同じ声の音声で「クローンに使ってOKです」的なやつを録音して申請する必要があるので注意 つまり動画生成AIで作った動画から切り取った音声はそのまま使うことができない
1:21

Gemini 3.8 Flash TTS出たので、自分の声クローンにして感情強めな読み上げしてみた めちゃくちゃ自然だし再現率高い AIの演技が上手いから素人の僕の声でもいい感じに喋ってくれる（ちょっと恥ずい） AI動画とかで音声使う時も、自分とか周りの人に許可もらって使えばかなりいいかもなー ただ、今回ボイスクローンができるようになっているんだけど、クローンにする音声ファイルと同じ声の音声で「クローンに使ってOKです」的なやつを録音して申請する必要があるので注意 つまり動画生成AIで作った動画から切り取った音声はそのまま使うことができない

松丸 彗吾(keigo matsumaru)

82,787 views • 4 days ago

【検証】Gemini 3.8 Flash TTSで、自分の声をクローンしてみた 結論、クローンの精度が高い。個人的には、ElevenLabsの有料のプロ向けクローンよりも良いかなと思いました。（普通の読み上げは3.1 Flash時点でも精度高かったので、まあまあという印象でした。） ・約24秒話して、同意文を読むだけで声をコピー ・英語も中国語も、自分の声のまま話せる ・標準の声は前のモデルから優秀で、そこは大差なし 私は動画作成で音声をめちゃくちゃ使うので、かなり重宝してます。 今回の図解アニメはClaude Opus 5.5、声はGemini 3.8 Flash TTS、冒頭の顔と声はSeedance 2.5。この3つで、大体のショート動画は精度高く作れるかなと。
0:57

【検証】Gemini 3.8 Flash TTSで、自分の声をクローンしてみた 結論、クローンの精度が高い。個人的には、ElevenLabsの有料のプロ向けクローンよりも良いかなと思いました。（普通の読み上げは3.1 Flash時点でも精度高かったので、まあまあという印象でした。） ・約24秒話して、同意文を読むだけで声をコピー ・英語も中国語も、自分の声のまま話せる ・標準の声は前のモデルから優秀で、そこは大差なし 私は動画作成で音声をめちゃくちゃ使うので、かなり重宝してます。 今回の図解アニメはClaude Opus 5.5、声はGemini 3.8 Flash TTS、冒頭の顔と声はSeedance 2.5。この3つで、大体のショート動画は精度高く作れるかなと。

チャエン | デジライズ CEO《重要AIニュースを毎日最速で発信⚡️》

34,173 views • 2 days ago

もしかしたら、Sunoの声付き楽曲の声をStemで声だけに分離して、Qwen3-TTSで参照させたら似るんじゃないかなと思ったらできた。最初の9秒が元楽曲の声で、後半32秒がアスキー記事読み上げ。ただ、音楽のリズムが交じるので、ラップ風の抑揚がついてるｗ あと、エコーも入ってる。
0:46

もしかしたら、Sunoの声付き楽曲の声をStemで声だけに分離して、Qwen3-TTSで参照させたら似るんじゃないかなと思ったらできた。最初の9秒が元楽曲の声で、後半32秒がアスキー記事読み上げ。ただ、音楽のリズムが交じるので、ラップ風の抑揚がついてるｗ あと、エコーも入ってる。

新清士@(生成AI)インディゲーム開発者

26,352 views • 7 months ago

実は最近、自分の声で音声合成を作ってみたんだけど割と自然な感じで読み上げてくれていい感じ～！！ YouTube Liveのコメント読み上げにも使えるから今度配信で試してみよ！！
0:25

実は最近、自分の声で音声合成を作ってみたんだけど割と自然な感じで読み上げてくれていい感じ～！！ YouTube Liveのコメント読み上げにも使えるから今度配信で試してみよ！！

タウ@きつね系VTuber🦊🐾

14,882 views • 5 months ago

ニュースを音声で読み上げる装置を作りました。Raspberry Pi Zero 2だと、音声合成がこの速度で動きます。
0:40

ニュースを音声で読み上げる装置を作りました。Raspberry Pi Zero 2だと、音声合成がこの速度で動きます。

そぞら@Raspberry Pi 電子工作

18,786 views • 5 months ago

湊あくあさんの声を参考にして作られた音声合成AI、読み上げあくたんです！ あくたんのツイートを読み上げる形で、音声を投稿しています！ #湊あくあ #あくあーと
0:23

湊あくあさんの声を参考にして作られた音声合成AI、読み上げあくたんです！ あくたんのツイートを読み上げる形で、音声を投稿しています！ #湊あくあ #あくあーと

読み上げあくたん💤

4,255,848 views • 3 years ago

耳を澄ましてみたら、あなたの声もあの人の声も、​ その瞬間にしか聞くことができない大切な宝物かもしれません。​ 生活音、歌声、泣き声、笑い声。​ この町に響くいろんな音は、愉快で色鮮やかで、思わず心が踊りステップを踏んでしまうほど🩰​ 当たり前の日常に、人生の彩りが隠れているのかも。
1:01

耳を澄ましてみたら、あなたの声もあの人の声も、​ その瞬間にしか聞くことができない大切な宝物かもしれません。​ 生活音、歌声、泣き声、笑い声。​ この町に響くいろんな音は、愉快で色鮮やかで、思わず心が踊りステップを踏んでしまうほど🩰​ 当たり前の日常に、人生の彩りが隠れているのかも。

NAMJATOWN(ナンジャタウン)

29,848 views • 6 months ago

え！？うおおお！！！ 英語音声のYoutubeを日本語音声で再生させるプログラムができた！自分でつくっといて感動している...ぜひ動画の音声を再生させてみてください。 これで英語動画もポッドキャスト的に楽しめるようになる。仕事しながらとか散歩しながらとか字幕みなくていいので最高！ YoutubeAPIで翻訳字幕を取得し、ブラウザの読み上げ機能で動画にあわせて音声を上から再生させています。もともとのYoutube英語音声は小さめにながれます。 WEBサービスとして使えるように調整していきますので、使ってみたい方はいいねやコメントいただけると励みになります。
0:26

え！？うおおお！！！ 英語音声のYoutubeを日本語音声で再生させるプログラムができた！自分でつくっといて感動している...ぜひ動画の音声を再生させてみてください。 これで英語動画もポッドキャスト的に楽しめるようになる。仕事しながらとか散歩しながらとか字幕みなくていいので最高！ YoutubeAPIで翻訳字幕を取得し、ブラウザの読み上げ機能で動画にあわせて音声を上から再生させています。もともとのYoutube英語音声は小さめにながれます。 WEBサービスとして使えるように調整していきますので、使ってみたい方はいいねやコメントいただけると励みになります。

入江 慎吾 / AI駆動開発FIRE

117,327 views • 2 years ago

Qwen3のTTS・ボイスクローンを試してみたけど、引くくらい自分の声だ… MacBookのマイクで10秒程度の参照音声を録音して、それを元にテキストを発話させてみた 一昔前は大量に文章を読んでそれをGPUで数時間学習する必要があったけど、今はそれも必要無いのか
0:38

Qwen3のTTS・ボイスクローンを試してみたけど、引くくらい自分の声だ… MacBookのマイクで10秒程度の参照音声を録音して、それを元にテキストを発話させてみた 一昔前は大量に文章を読んでそれをGPUで数時間学習する必要があったけど、今はそれも必要無いのか

あんどう@AI開発者

88,448 views • 8 months ago

文章が長くて読めないというご意見を多くいただいたので、読み上げ音声も作成いたしました。
3:44

文章が長くて読めないというご意見を多くいただいたので、読み上げ音声も作成いたしました。

声優関連商品販促 要検証

635,549 views • 5 months ago

英語の発音きちんと細部まで聞いていますか？ きちんと想像した通りの発音か確認してみてね！ ちなみに音声はアメリカ英語(ただしAIで作った音声)です。 ※細部まで聞かないと「聞き取りができない」と言った主張ではありません。
1:17

英語の発音きちんと細部まで聞いていますか？ きちんと想像した通りの発音か確認してみてね！ ちなみに音声はアメリカ英語(ただしAIで作った音声)です。 ※細部まで聞かないと「聞き取りができない」と言った主張ではありません。

英語講師たいし(大志)

21,214 views • 8 months ago

せっかくなのでレ・ダウの鳴き声を一部拾ってみました。環境音が入ってしまっているのが心残りですが、動画のネタになるかな…？ 類似する鳴き声がないと言えるほど独特な鳴き声をしているのが好きです。 咆哮にバリエーションがあるのも面白い。
0:26

せっかくなのでレ・ダウの鳴き声を一部拾ってみました。環境音が入ってしまっているのが心残りですが、動画のネタになるかな…？ 類似する鳴き声がないと言えるほど独特な鳴き声をしているのが好きです。 咆哮にバリエーションがあるのも面白い。

カニカマ（動画配信業）

358,685 views • 1 year ago

音声がおじさんの声でしたので, 少し若いイケメン🙄の声にしてもらいました。 【若い音声で】水泳部 恥ずかしい思い出 😟🍌🩲...👧👩👧 ↘️動画なし音声のみ聞く
3:35

音声がおじさんの声でしたので, 少し若いイケメン🙄の声にしてもらいました。 【若い音声で】水泳部 恥ずかしい思い出 😟🍌🩲...👧👩👧 ↘️動画なし音声のみ聞く

出來島翔太

29,964 views • 5 months ago

Apple Silicon 搭載の MacBook Pro M1 Max 64GB 上で、完全ローカル動作する日本語音声対話アシスタントを構築しています。 音声認識から応答生成、音声合成まで、実行時の処理はすべてローカル動作でネットに繋がっていなくても動きます。 現在の中核構成は、mlx-whisper（mlx-community/whisper-large-v3-turbo） → LM Studio Local Server 上の gemma-4-26b-a4b → Irodori-TTS-500M-v2。 今回は、Irodori-TTS の VoiceDesign で実在しない話者の参照音声を生成し、その参照音声を用いて一貫性のあるゼロショット音声クローンを行う構成にしています。 つまり、ローカル環境内で設計した話者によって対話音声を生成しています。 （実在人物のクローン行為ではありません） まだ改良中ですが、クラウドAPIなし・実行時の外部通信なしで、ここまで自然な日本語音声対話が成立するのはかなり面白いです。 原理的にストリーミングTTSに対応しないためレスポンスが少し遅いですが、ここを誤魔化す技術について考え中です。
1:54

Apple Silicon 搭載の MacBook Pro M1 Max 64GB 上で、完全ローカル動作する日本語音声対話アシスタントを構築しています。 音声認識から応答生成、音声合成まで、実行時の処理はすべてローカル動作でネットに繋がっていなくても動きます。 現在の中核構成は、mlx-whisper（mlx-community/whisper-large-v3-turbo） → LM Studio Local Server 上の gemma-4-26b-a4b → Irodori-TTS-500M-v2。 今回は、Irodori-TTS の VoiceDesign で実在しない話者の参照音声を生成し、その参照音声を用いて一貫性のあるゼロショット音声クローンを行う構成にしています。 つまり、ローカル環境内で設計した話者によって対話音声を生成しています。 （実在人物のクローン行為ではありません） まだ改良中ですが、クラウドAPIなし・実行時の外部通信なしで、ここまで自然な日本語音声対話が成立するのはかなり面白いです。 原理的にストリーミングTTSに対応しないためレスポンスが少し遅いですが、ここを誤魔化す技術について考え中です。

ぷらぎあ

38,531 views • 5 months ago