Ep.770 Gemini 2.5 TTS登場──「読む」から「演じる」へ、Googleが描く音声対話の未来（2025年12月18日配信）

名古屋ではたらく社長のITニュースポッドキャスト · Dec 17, 2025 · 3m

GoogleがAIと音声の関係を再定義する大きなアップデートを行いました。2025年12月10日、同社は最新の音声合成モデル「Gemini 2.5 Flash TTS」および「Gemini 2.5 Pro TTS」のプレビュー版を公開しました。これは単なるバージョンアップにとどまらず、AIボイスが「テキストを読み上げる」段階から「文脈を演じる」段階へと進化したことを示しています。

今回の目玉は、圧倒的な「表現力（Expressivity）」と「制御性」です。これまでの音声合成（TTS）は、どれほど声質がリアルでも、文脈に合わない一本調子な読み上げになりがちでした。しかし、Gemini 2.5 TTSでは、開発者が「明るく楽観的に」「深刻なトーンで」といった演出指示（スタイルプロンプト）を与えることで、AIの声色を自在に操れるようになりました。

例えば、ジョークを言う際には適切な「間（ま）」を取り、緊急時には早口でまくし立てるといった人間らしいペース配分（Precision Pacing）も、AIが文脈を理解して自動で調整します。これは、Googleが提唱する「Vibe Coding」──機能だけでなく、アプリ全体の空気感をプログラミングする──という概念を具現化するものです。…