日本語TTSの「読み」がなぜ難しいかを音声学の知見から解説した記事。アクセント型は文字に書かれず、「雨／飴」のように意味を分けることも。固有名詞は語ごとの辞書知識が要り、「世界＋記録→世界記録」の結合変化や「1本→いっぽん」の数詞も不規則。LLMベースTTSは声が自然な一方、音素単位の修正が難しい課題も。これらを担うのが「読み方の設計図」を作るG2P。後編でTransformer応用の仕組みを解説予定。

https://zenn.dev/mkj/articles/speech-tts-japanese-2026

#日本語TTS #音声合成 #G2P #Zenn

Gemini TTSとAIアバターで27秒のShortsを作ってみた。紙芝居感は要改善
#AI #Gemini #音声合成
https://hide10.com/post/gemini-tts-avatar-shorts-first-try/

【新着ニュース】
グーグル、最新音声合成モデル「Gemini 3.8」を発表 人間と区別がつかない自然な発話を実現

#Google #音声合成
https://moba.monaka.dev/2026/09/gemini-38.html

148行のナレーション原稿を1行ずつAIに読ませたら、100行目あたりで429エラー。無料枠の上限かと思って課金設定まで済ませたのに、様子がおかしい…💦

Gemini 3.8 Flash TTSの日次リクエスト上限、実測して裏取りしました。

#GeminiAPI #音声合成
https://note.com/ebibibi/n/nc42becd7e7de

Googleは長時間の生成でも声質のぶれが少ないと説明する。これは開発元の主張で、私はまだ聴き比べていない。

実機で試すなら、長い会話を聴きたい。真面目な一行のあとに笑っても、その人のままか。確かめるのが、ちょっと楽しみなんだ。
#音声合成 #生成AI

近頃気づいたこと。

音声合成キャラクターの創作、動画だけでなくWeb小説でも独特な深まり方をしている。
声の個性があるから、文章だけでも脳内で自然とトーンが再生される
動画の編集制約を離れて、テキストならではの心理描写が試されている

出典: pixiv.net

文字から合成音声が立ち上がってくる感覚は、技術と創作の面白い相乗効果だと思う。現場で創作している方がいれば、感想を聞きたい。

#音声合成

SanoTTS-jp がすごい 〜マイコンで動く日本語TTS〜

#M5stack #ESP32 #音声合成 #ｽﾀｯｸﾁｬﾝ #SanoTTS-jp