G v1のご紹介：マルチスピーカー対話対応の自然なAI音声合成
simpleTTS.ai StudioにG v1が登場しました。AI搭載の新しいテキスト読み上げエンジンです。G v1は音声合成に根本的に異なるアプローチをもたらします。テキストを単に読み上げるのではなく、文脈、感情、意図を理解して、本当に人間らしい音声を生成します。
これは既存のAZ v1エンジンと並行して利用でき、プロジェクトごとに最適なツールを自由に選択できます。ワンクリックでプロバイダーを切り替えられます。
なぜG v1なのか？
従来のTTSエンジンは、定義済みの音声パターンを使用してテキストを音声に変換します。G v1は異なります — 大規模言語モデル上に構築されており、何を言うかだけでなく、どのように言うかも理解しています。その結果、自然なペース配分、適切な強調、コンテンツに適応する感情的なニュアンスを持つ音声が実現します。
G v1は24言語にわたる30のプリセット音声をサポートし、強化された表現力、文脈に応じたペース配分、ネイティブのマルチスピーカー対話を備えています。すべて複雑な設定ではなく、自然言語のプロンプトで制御できます。
主な機能
30の表現力豊かな音声
それぞれ独自の個性とスタイルを持つ30の異なる音声から選択できます。Koreの力強い語り口からPuckの明るいエネルギー、Achernarの柔らかなトーンからSulafatの温かみまで — あらゆるユースケースに対応する音声があります。性別やスタイルで音声をブラウズし、名前で検索し、お気に入りを保存してすばやくアクセスできます。
シングルスピーカーモード
ナレーション、アナウンス、シンプルなコンテンツに最適です。音声を選択し、テキストを貼り付けて生成するだけ。モデルがコンテンツに基づいてペースとイントネーションを自動的に処理します — 興奮する場面ではスピードアップし、強調する場面ではスローダウンします。
マルチスピーカー対話
ここがG v1の真骨頂です。異なるスピーカーに異なる音声を割り当て、1回のパスで自然な会話を生成できます — 別々の音声クリップをつなぎ合わせる必要はありません。モデルは一貫したキャラクターの声を維持し、ターンテイキングを自然に処理します。
テキストにスピーカーラベルを付けてフォーマットするだけです：
- Speaker 1: 本日のエピソードへようこそ！
- Speaker 2: お招きいただきありがとうございます。さっそく始めましょう。
- Speaker 1: 最新のプロジェクトについて教えてください...
各スピーカーは割り当てた音声で発声され、モデルは自然な対話の流れを持つ1つのまとまった音声ファイルを生成します。
スピーキング指示
平易な英語で音声の聞こえ方を制御できます。スライダーやパラメーターを調整する代わりに、欲しいものを説明するだけです：
- 「温かく会話調のトーンで読んで」
- 「熱意とエネルギーを持って話して」
- 「ニュースキャスターのように伝えて」
何を書けばいいかわからない場合は、AI生成ボタンを押して、コンテンツに基づいたスピーキング指示をシステムに提案してもらいましょう。
使い方
- G v1に切り替え — 右パネルのプロバイダー切り替え（AZ v1の横）でG v1ボタンをクリックします。
- モードを選択 — ナレーションにはシングルスピーカー、対話にはマルチスピーカーを選択します。
- 音声を選ぶ — 音声パネルをブラウズし、名前やスタイルで検索し、コンテンツに合った音声を選択します。マルチスピーカーモードでは、各スピーカーに音声を選びます。
- スピーキング指示を追加（オプション） — 希望するトーン、ペース、スタイルを説明します。
- 生成 — 生成ボタンを押すと、数秒で音声が完成します。
作れるもの
- ポッドキャストとトーク番組 — マルチスピーカーモードを使って、異なる一貫した声でホストとゲストの会話を生成します。
- オーディオブックと物語 — 素材に適応する自然なペースと感情的な表現で長文コンテンツをナレーションします。
- Eラーニングとチュートリアル — 明確でテンポの良い配信で魅力的な教育用音声を作成します。
- マーケティングと広告 — 必要な正確なトーンとエネルギーでプロフェッショナルなナレーションを生成します。
- アクセシビリティコンテンツ — 視覚障害のあるユーザーのために、書かれたコンテンツを自然な音声に変換します。
料金
G v1は既存のクレジット残高を使用し、料金は1文字あたり2クレジットです。無料アカウントには開始用に月間10,000クレジットが含まれています。クレジットは両方のエンジンで使用でき、プロジェクトのニーズに応じてプロバイダーを自由に組み合わせることができます。
G v1 vs. AZ v1：どちらをいつ使うか
両方のエンジンは引き続き完全に利用可能です。簡単なガイドをご紹介します：
- G v1を選ぶ — 自然な対話、表現力豊かなナレーション、自然言語による細かいトーンコントロールが必要な場合。
- AZ v1を選ぶ — 500以上の音声、SSMLレベルの制御、70以上の言語カバレッジが必要な場合。
始めましょう
G v1はすべての登録ユーザーに今すぐご利用いただけます。simpleTTS.ai Studioにアクセスし、G v1に切り替えて、違いをご自身でお確かめください。既存のクレジットはすぐに使えます — 追加の設定は不要です。
皆さんの作品を聞けることを楽しみにしています。
