Video wird geladen...

Video konnte nicht geladen werden

Beim Laden dieses Videos ist ein Problem aufgetreten. Dies könnte an einem vorübergehenden Netzwerkproblem liegen oder das Video ist möglicherweise nicht verfügbar.

【速報】Googleが新TTSモデル「Gemini 3.8 Flash TTS」「Flash-Lite TTS」を発表音声生成よく使うので、これは本当に嬉しい。クローンまであるとは完璧すぎる、、そして、このデモ動画、ナレーション自体を新モデルが読み上げていて表現力も素晴らしい。・2,000種類以上のプロダクションレディボイスを搭載・100以上の言語・方言に対応(地域なまりも再現) ・Hume AIボイスデザイン評価で総合1位(71.4点) ・30秒の音声＋本人確認だけで声を複製できる ↓詳細

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⚡️》

201,940 subscribers

88,526 Aufrufe • vor 1 Monat •via X (Twitter)

Wissenschaft & Technologie

Anya Rossi• Live Now

Private livecam show

3 Kommentare

Profilbild von 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⚡️》

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⚡️》vor 1 Monat

■ 補足 2026年9月23日からGemini APIとGoogle AI Studioで提供開始。Flash TTSは自然言語プロンプトでキャラクターボイスをゼロから生成でき、ゲーム・オーディオブック・ポッドキャスト向け。Flash-Lite TTSは低コスト・高処理量向けで吹き替えや音声エージェントに最適化。Figma、HeyGen、Wondercraftなどが統合予定。価格は記事内非公開。 ■ 出典

Profilbild von シゲゲゲゲ｜AIで会社を自動運用するひとり社長

シゲゲゲゲ｜AIで会社を自動運用するひとり社長vor 1 Monat

100以上の言語・方言で私が見るのは対応数より、言語が増えても運用の手が増えないかです。私は日本語の資料1つで英語・中国語・韓国語に応答させていますが、効いたのは翻訳精度より運用の本数が増えないことでした。増える言語の分だけ確認の手が増える設計だと、対応数は自慢になりません。

Profilbild von ShadowAguy

ShadowAguyvor 1 Monat

The demo shows a fresh voice, not a clone. If the cloning is a separate toggle, the latency jump might kill the real-time vibe. How does the latency hold up when you layer cloning on top?

Ähnliche Videos

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

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

852話(hakoniwa)

34,857 Aufrufe • vor 1 Monat

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

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)

85,289 Aufrufe • vor 1 Monat

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👇

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 Aufrufe • vor 10 Monaten

【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。

【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⚡️》

37,114 Aufrufe • vor 1 Monat

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。

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 Aufrufe • vor 6 Monaten

ElevenLabsより最新のTTSモデルとなるv4をローンチ致しました。 v4では特に以下の点が進化しています。 1, ボイスクローニングの精度向上 2,（特に日本語などアジア言語で）読み上げ精度向上（三点リーダーなどの無音表現も） 3, 感情タグを複合的に表現することが出来たら、TTS読み上げの中に効果音挿入や歌唱も可能に日本語の品質向上に関してはリサーチャーチームはもちろん、GTMチームも事後学習に参加しましたが、ようやく公開できた事嬉しく思います。チームの皆を心から誇りに思います。

ElevenLabsより最新のTTSモデルとなるv4をローンチ致しました。 v4では特に以下の点が進化しています。 1, ボイスクローニングの精度向上 2,（特に日本語などアジア言語で）読み上げ精度向上（三点リーダーなどの無音表現も） 3, 感情タグを複合的に表現することが出来たら、TTS読み上げの中に効果音挿入や歌唱も可能に日本語の品質向上に関してはリサーチャーチームはもちろん、GTMチームも事後学習に参加しましたが、ようやく公開できた事嬉しく思います。チームの皆を心から誇りに思います。

Taka@ElevenLabs

135,367 Aufrufe • vor 1 Monat

✨AI音声で一貫した声を作り会話させるチャレンジ前に音声を使ってLLMの文章を読ませることには成功していたけど、今回はオリジナルの声を作成してみました。やったこと： ①まずQwen3-TTSで声を1個作る ②その声で171個量産（台詞バリエーション） ③Style-Bert-VITS2で学習 → 50分でカスタム音声モデル完成 ④UIに接続 → リアルタイムで喋るやばい！自分で作った声だと楽しい😊 苦労したところ：・最初はブラウザ内TTS（Chatterbox）を試した → 1文30秒＆英語のみでまだ難しいしそもそもこの用途が厳しいかも💦 ・SBV2に切り替えたら環境構築に手間取ったけどうまくいった・ただライセンスは要注意。やる場合は先にライセンス確認を。用途によっては制限があるものもある📝 まだまだ色々あるけど、今後のことを考えるとNVIDIAからも良い音声AIが出てるし、対応できるようにしておきたい。今回は前回と同じくモデルはGPT-OSS 20Bだけど、Ollamaから読んでるので早い。 WebGPUでこれぐらい出たら嬉しいけどなー🥰 とはいえローカルでここまでできるようになったのは嬉しい。データは一切外に出ないしね。声の元はAI生成だから、「存在しない人の声」をAIが学習して、AIキャラが喋る。 #AI #TTS

✨AI音声で一貫した声を作り会話させるチャレンジ前に音声を使ってLLMの文章を読ませることには成功していたけど、今回はオリジナルの声を作成してみました。やったこと： ①まずQwen3-TTSで声を1個作る ②その声で171個量産（台詞バリエーション） ③Style-Bert-VITS2で学習 → 50分でカスタム音声モデル完成 ④UIに接続 → リアルタイムで喋るやばい！自分で作った声だと楽しい😊 苦労したところ：・最初はブラウザ内TTS（Chatterbox）を試した → 1文30秒＆英語のみでまだ難しいしそもそもこの用途が厳しいかも💦 ・SBV2に切り替えたら環境構築に手間取ったけどうまくいった・ただライセンスは要注意。やる場合は先にライセンス確認を。用途によっては制限があるものもある📝 まだまだ色々あるけど、今後のことを考えるとNVIDIAからも良い音声AIが出てるし、対応できるようにしておきたい。今回は前回と同じくモデルはGPT-OSS 20Bだけど、Ollamaから読んでるので早い。 WebGPUでこれぐらい出たら嬉しいけどなー🥰 とはいえローカルでここまでできるようになったのは嬉しい。データは一切外に出ないしね。声の元はAI生成だから、「存在しない人の声」をAIが学習して、AIキャラが喋る。 #AI #TTS

LUTA＠AI

57,505 Aufrufe • vor 8 Monaten

きたぜぇ… AI Video Studio の完成が近づいてる。これの仕組み: ①画面録画をGeminiに投げる ②動画を解析してナレーション原稿を生成 ③ボイスクローンでTTS生成 ④字幕とサイドスーパー（左上）を自動生成 ⑤MP4書き出しつまり、雑な説明動画（噛みまくりでOK）でも、 Geminiが解析していい感じの原稿を考えてくれてボイスクローンであたかも自分がアフレコしたような動画作ってくれる仕組み。添付動画のクローン音声、なかなか良さげ。こういうのはよくあるけど、Canvasで作るという。

きたぜぇ… AI Video Studio の完成が近づいてる。これの仕組み: ①画面録画をGeminiに投げる ②動画を解析してナレーション原稿を生成 ③ボイスクローンでTTS生成 ④字幕とサイドスーパー（左上）を自動生成 ⑤MP4書き出しつまり、雑な説明動画（噛みまくりでOK）でも、 Geminiが解析していい感じの原稿を考えてくれてボイスクローンであたかも自分がアフレコしたような動画作ってくれる仕組み。添付動画のクローン音声、なかなか良さげ。こういうのはよくあるけど、Canvasで作るという。

まじん

154,552 Aufrufe • vor 9 Monaten

🎊🎊様々なキャラクターたちの声で音声合成できるサービス”Kotodama”をリリースします🎊🎊 感情豊かなキャラクターの声で、新しい物語を紡いであげてください。HappyRatの他のキャラクターや、HappyRat以外のキャラクターも順次登場予定です。お楽しみに！ -------- 僕達は感情豊かなキャラクターAIを作っています。その中でも、声は欠かすことができない要素で、こだわりを持ちながら音声合成エンジンを作っています。フルスクラッチの学習からスタートして、感情豊かな表現を出すためにモデル自体を改良したり、より自然な表現になるよう日夜アノテーションで性能改善を進めたり。・・・そんなことを積み上げていたら、いつの間にか「リアルタイム (<0.5秒)」「キャラクターの声色の再現」「豊かな感情表現」の三拍子揃ったモデルになっていました。これまでは弊社アプリからのみ利用可能な状態にしていましたが、様々な企業様やクリエイターの方から、ぜひ誰でも簡単に使えるようにしてほしいとご要望をいただき、晴れて独立したサービスとしてローンチすることになりました。特に自信があるのは、リアルタイム性と感情表現の豊かさです。API経由でも使えますので、リアルタイム対話アプリケーションにもぴったりです。感情表現については・・・そうですね、ここまで本気で、泣いたり笑ったり出来る音声合成エンジンは、これまで無かったのではと思います。ぜひ実際のサービスで体験してみてください‼️ #ハピラト #kotodama #音声AI #AIVOICE #AI

🎊🎊様々なキャラクターたちの声で音声合成できるサービス”Kotodama”をリリースします🎊🎊 感情豊かなキャラクターの声で、新しい物語を紡いであげてください。HappyRatの他のキャラクターや、HappyRat以外のキャラクターも順次登場予定です。お楽しみに！ -------- 僕達は感情豊かなキャラクターAIを作っています。その中でも、声は欠かすことができない要素で、こだわりを持ちながら音声合成エンジンを作っています。フルスクラッチの学習からスタートして、感情豊かな表現を出すためにモデル自体を改良したり、より自然な表現になるよう日夜アノテーションで性能改善を進めたり。・・・そんなことを積み上げていたら、いつの間にか「リアルタイム (<0.5秒)」「キャラクターの声色の再現」「豊かな感情表現」の三拍子揃ったモデルになっていました。これまでは弊社アプリからのみ利用可能な状態にしていましたが、様々な企業様やクリエイターの方から、ぜひ誰でも簡単に使えるようにしてほしいとご要望をいただき、晴れて独立したサービスとしてローンチすることになりました。特に自信があるのは、リアルタイム性と感情表現の豊かさです。API経由でも使えますので、リアルタイム対話アプリケーションにもぴったりです。感情表現については・・・そうですね、ここまで本気で、泣いたり笑ったり出来る音声合成エンジンは、これまで無かったのではと思います。ぜひ実際のサービスで体験してみてください‼️ #ハピラト #kotodama #音声AI #AIVOICE #AI

佐々木雄一 (MoMy; SpiralAI CEO)

78,909 Aufrufe • vor 1 Jahr

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。

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 Aufrufe • vor 2 Jahren

最新AI音声モデル「CoeFont v3 Fuji」試してみました！ 💡特徴・人間の話し方を高度に解析し、自然な抑揚・間・リズムを再現。・繊細な感情表現が可能で、物語性を豊かに表現。・長時間でも聞き疲れしない、クリアな音質。 ✅ElevenlabsV3と喜怒哀楽のあるセリフを比べてみましたが、音質も感情表現もElevenlabsのほうが上回っている印象です🤔 ちなみにリップシンクはBytePlusの「OmniHuman1.5」を使用しています！ OmniHuman1.5は音声の感情を読み取って表情や動作を自動で生成してくれるので、今回のような音声に適しています。 #sousakuAI #BytePlus #PR

最新AI音声モデル「CoeFont v3 Fuji」試してみました！ 💡特徴・人間の話し方を高度に解析し、自然な抑揚・間・リズムを再現。・繊細な感情表現が可能で、物語性を豊かに表現。・長時間でも聞き疲れしない、クリアな音質。 ✅ElevenlabsV3と喜怒哀楽のあるセリフを比べてみましたが、音質も感情表現もElevenlabsのほうが上回っている印象です🤔 ちなみにリップシンクはBytePlusの「OmniHuman1.5」を使用しています！ OmniHuman1.5は音声の感情を読み取って表情や動作を自動で生成してくれるので、今回のような音声に適しています。 #sousakuAI #BytePlus #PR

GENEL | AIを用いた動画制作

22,175 Aufrufe • vor 1 Jahr

寝不足になるほど面白い_ローカルAIと音声合成をつないだら、キャラが普通にしゃべり始めた【アスキー記事冒頭】日本語に特化して開発されているTTSモデル（Text-to-Speech、テキストから音声）の「Irodori-TTSv3」が話題になっています。最近、様々なTTSが登場しているのですが、アナウンサー的な話し方のTTSが多いなか、このモデルは、より幅広い感情表現ができ、演技までできるうえに、生成速度が速いという特徴があります。今回は、グーグルのオープンモデルLLMである「Gemma4」を組み合わせて、AIとのチャットアプリを開発してみました。ローカルLLMと高速TTSを組み合わせれば、キャラクターAIが実用的な速度でしゃべり始める段階に入っています。【動画は開発したアプリの2Pモード】

寝不足になるほど面白い_ローカルAIと音声合成をつないだら、キャラが普通にしゃべり始めた【アスキー記事冒頭】日本語に特化して開発されているTTSモデル（Text-to-Speech、テキストから音声）の「Irodori-TTSv3」が話題になっています。最近、様々なTTSが登場しているのですが、アナウンサー的な話し方のTTSが多いなか、このモデルは、より幅広い感情表現ができ、演技までできるうえに、生成速度が速いという特徴があります。今回は、グーグルのオープンモデルLLMである「Gemma4」を組み合わせて、AIとのチャットアプリを開発してみました。ローカルLLMと高速TTSを組み合わせれば、キャラクターAIが実用的な速度でしゃべり始める段階に入っています。【動画は開発したアプリの2Pモード】

新清士@AIコンテンツ開発者

44,246 Aufrufe • vor 5 Monaten

エロ調教、koe◯oeやOTOBA◯ANAみたいな素人用投稿サイトから5分くらいの音声DLして分析させ実演をダメ出ししていくと質が上がっていきます。実質「エロ音声とはいったい何がエロいのか」みたいなことの分析とskill化。出してくれる読み上げ台詞に「それはどこそこがエロくないからアカンねん」の部分を言語化できればさらに効率的です。ついでに声に関しては「何がその本人たらしめているか」の分析もさせまして、これはその結果として生まれたオナサポしてくれるずん◯もんとラ◯ザのそっくりさん。音声パーソナリティとして登録するには「っぽい/別人」を人の耳で満足できるまで判定してプリセット化すれば15秒程度の声サンプルで理論上どんな声でも作れるはずですが自己責任でご自由に。詳しいことはよくわかりませんが0.25秒ごとに7つの値を読んでスライスにして声の出方の変化を確認しているようです。オホ声でなくて申し訳ありませんがどんな台詞や声でもTTSに応用できると思います。 museは耳が良く編集も的確でこちらに知識がなくても全てやってくれますね……

Sensitive content

エロ調教、koe◯oeやOTOBA◯ANAみたいな素人用投稿サイトから5分くらいの音声DLして分析させ実演をダメ出ししていくと質が上がっていきます。実質「エロ音声とはいったい何がエロいのか」みたいなことの分析とskill化。出してくれる読み上げ台詞に「それはどこそこがエロくないからアカンねん」の部分を言語化できればさらに効率的です。ついでに声に関しては「何がその本人たらしめているか」の分析もさせまして、これはその結果として生まれたオナサポしてくれるずん◯もんとラ◯ザのそっくりさん。音声パーソナリティとして登録するには「っぽい/別人」を人の耳で満足できるまで判定してプリセット化すれば15秒程度の声サンプルで理論上どんな声でも作れるはずですが自己責任でご自由に。詳しいことはよくわかりませんが0.25秒ごとに7つの値を読んでスライスにして声の出方の変化を確認しているようです。オホ声でなくて申し訳ありませんがどんな台詞や声でもTTSに応用できると思います。 museは耳が良く編集も的確でこちらに知識がなくても全てやってくれますね……

らいず / RizeJP

660,579 Aufrufe • vor 4 Tagen

Opus 5.5にHTML/Three.jsを書かせた、ナレーションとモーションのテスト。「凍った手記」 ■素材・物語と文字の動き：Opus 5.5 ・声：Gemini TTS ・風とノックの音：ffmpegで合成・動画生成AI：使っていません ■やらせたこと・物語を書く・文字の組みと動きを、HTML/Three.jsで作る・声と効果音を合わせて、1本の動画に書き出す ■わかったこと・Gemini TTSは演技がめちゃうまい。ナレーションだと聞きやすい・モーションの手段は色々ある・動画生成と違って、文字が崩れないし直しも速い・データが軽い色々な表現があるので、その状況に応じて対応できる引き出しを持っておくことがすごく大事だと感じました。ぜひ音ありで見てください。

Opus 5.5にHTML/Three.jsを書かせた、ナレーションとモーションのテスト。「凍った手記」 ■素材・物語と文字の動き：Opus 5.5 ・声：Gemini TTS ・風とノックの音：ffmpegで合成・動画生成AI：使っていません ■やらせたこと・物語を書く・文字の組みと動きを、HTML/Three.jsで作る・声と効果音を合わせて、1本の動画に書き出す ■わかったこと・Gemini TTSは演技がめちゃうまい。ナレーションだと聞きやすい・モーションの手段は色々ある・動画生成と違って、文字が崩れないし直しも速い・データが軽い色々な表現があるので、その状況に応じて対応できる引き出しを持っておくことがすごく大事だと感じました。ぜひ音ありで見てください。

aicreataro

88,635 Aufrufe • vor 1 Monat

実際に作成中のローグライクゲームのノベルパートの全キャラの声にGemini 3.8 Flash TTSを当ててみました！結構キャラに合ってるんじゃないでしょうか！クオリティも個人的にはかなり好きです！ BGMもGoogleのLyria 3.5です！これをもって私の作成ゲームはフルボイスになることが確定しました。

実際に作成中のローグライクゲームのノベルパートの全キャラの声にGemini 3.8 Flash TTSを当ててみました！結構キャラに合ってるんじゃないでしょうか！クオリティも個人的にはかなり好きです！ BGMもGoogleのLyria 3.5です！これをもって私の作成ゲームはフルボイスになることが確定しました。

まつにぃ

76,101 Aufrufe • vor 1 Monat

【Gemini 3.8 Flash TTSが出たので、前の3.1と聴き比べて「AIの声だけで番組は作れるのか」が見える解説動画を作りました〜！動画もそのまま添付してまーす📢🔥】冒頭の打ち合わせから収録してます、４人で笑「いや精度いいの知ってるけど実際どうなん？」という率直な疑問についても、クオリティの再現から、実際の作り方まで全部種明かししてます👀 実際の画面を再現して手順解説してるシーンはマジで、わかりやすくて自分でも引いてます。。笑実際、選べる声は30から2,000以上に。欲しい声がなければ、言葉で注文して作れます。 3.1との聴き比べでは、ボス戦の「ハアハア」を3.8だけ読まずに"息の音"で演じてたりします。ただ、1回のリクエストで話し分けられるのは2人まで。しかも2027年1月から単価が2倍になるので、試すなら今年が狙い目です📝 「前の3.1と、何が違う？」「コードなしで、どこまで作れる？」「値段は？仕事でどう使える？」このあたりを、3モデルの聴き比べとAI Studio・Pythonの実画面で17分にまとめてます☺️ 音声AI気になってた方、ぜひキャッチアップにどうぞ〜！👇 いいね・シェアしていただけると嬉しいです☺️

【Gemini 3.8 Flash TTSが出たので、前の3.1と聴き比べて「AIの声だけで番組は作れるのか」が見える解説動画を作りました〜！動画もそのまま添付してまーす📢🔥】冒頭の打ち合わせから収録してます、４人で笑「いや精度いいの知ってるけど実際どうなん？」という率直な疑問についても、クオリティの再現から、実際の作り方まで全部種明かししてます👀 実際の画面を再現して手順解説してるシーンはマジで、わかりやすくて自分でも引いてます。。笑実際、選べる声は30から2,000以上に。欲しい声がなければ、言葉で注文して作れます。 3.1との聴き比べでは、ボス戦の「ハアハア」を3.8だけ読まずに"息の音"で演じてたりします。ただ、1回のリクエストで話し分けられるのは2人まで。しかも2027年1月から単価が2倍になるので、試すなら今年が狙い目です📝 「前の3.1と、何が違う？」「コードなしで、どこまで作れる？」「値段は？仕事でどう使える？」このあたりを、3モデルの聴き比べとAI Studio・Pythonの実画面で17分にまとめてます☺️ 音声AI気になってた方、ぜひキャッチアップにどうぞ〜！👇 いいね・シェアしていただけると嬉しいです☺️

あきらパパ【生成AI活用エンジニア&３児のパパ】

10,281 Aufrufe • vor 1 Monat

OpenAIの新音声モデル「GPT-Live」を試してみました。これまでのAIは「聞く」と「話す」を同時にこなせず、こちらが話し始めるとAIが止まってしまう不自然な形でした。でもこのモデルは、私が話しかけても止まらずに会話を続けてくれる。本当に人間と話しているみたいで感動しました。リアルタイム通訳もできたので、セミナー講演や海外旅行など、いろんな場面で活躍してくれそうです。しかも、声や感情の表現も自然すぎる。 2024年にChatGPTの旧型音声モデルと漫才をして、生放送ニュースで大滑りしましたが、今回はリベンジできそうです。笑ちなみに、この動画の編集もすべてClaude Code。 AI、半端ないっす。

OpenAIの新音声モデル「GPT-Live」を試してみました。これまでのAIは「聞く」と「話す」を同時にこなせず、こちらが話し始めるとAIが止まってしまう不自然な形でした。でもこのモデルは、私が話しかけても止まらずに会話を続けてくれる。本当に人間と話しているみたいで感動しました。リアルタイム通訳もできたので、セミナー講演や海外旅行など、いろんな場面で活躍してくれそうです。しかも、声や感情の表現も自然すぎる。 2024年にChatGPTの旧型音声モデルと漫才をして、生放送ニュースで大滑りしましたが、今回はリベンジできそうです。笑ちなみに、この動画の編集もすべてClaude Code。 AI、半端ないっす。

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⚡️》

142,742 Aufrufe • vor 4 Monaten

■音声AI限界突破 Irodori-TTS ※非常にキｍ...センシティブなので絶対に公共の場で再生しないでください。絶対にだ。姫騎士もちょろいです😇 これはもうなんらかのサービスが爆誕しちゃうね、、、 ------------------------------------------------------- 基本的な使い方は省略 ⓪Irodori-TTSを導入（くろくまそふとさん見て頑張れ） ①Irodori-TTS VoiceDesignで好きな声質が出るまでガチャ ②①で作った音声をIrodori-TTS Inferenceで音声参照させて好きなセリフを声の一貫性を持たせて話させる。 ※但し、最大30秒までしか一度に話せないのでセリフを分割する必要あり。 ※これ系のセリフを考えるのは常人には苦行が過ぎるのでGrok使うととてもよきです。 ------------------------------------------------------ 参照ボイスの一貫性もまずまずだし、API対応してるしでアニメ系で何か作るならおススメですね😇

Sensitive content

■音声AI限界突破 Irodori-TTS ※非常にキｍ...センシティブなので絶対に公共の場で再生しないでください。絶対にだ。姫騎士もちょろいです😇 これはもうなんらかのサービスが爆誕しちゃうね、、、 ------------------------------------------------------- 基本的な使い方は省略 ⓪Irodori-TTSを導入（くろくまそふとさん見て頑張れ） ①Irodori-TTS VoiceDesignで好きな声質が出るまでガチャ ②①で作った音声をIrodori-TTS Inferenceで音声参照させて好きなセリフを声の一貫性を持たせて話させる。 ※但し、最大30秒までしか一度に話せないのでセリフを分割する必要あり。 ※これ系のセリフを考えるのは常人には苦行が過ぎるのでGrok使うととてもよきです。 ------------------------------------------------------ 参照ボイスの一貫性もまずまずだし、API対応してるしでアニメ系で何か作るならおススメですね😇

AIギャル物語 / HALS

75,723 Aufrufe • vor 6 Monaten

AIで音声が生成できる『ElevenLabs』というツールのせ精度がヤバすぎ...🔥 ・わずか1分のサンプル音声から音声を生成・あらゆる文章を読み上げ・イントネーション･抑揚の再現性がエグい... 日本語はまだ対応してないけど、この動画の精度を聞き取ると知っておくべきツールだ。要チェック↓↓

AIで音声が生成できる『ElevenLabs』というツールのせ精度がヤバすぎ...🔥 ・わずか1分のサンプル音声から音声を生成・あらゆる文章を読み上げ・イントネーション･抑揚の再現性がエグい... 日本語はまだ対応してないけど、この動画の精度を聞き取ると知っておくべきツールだ。要チェック↓↓

木内翔大＠SHIFT AI代表「日本をAI先進国に」𝕏

557,527 Aufrufe • vor 3 Jahren