#text-to-speech

OpenRouterがElevenLabsのモデルを統合し、9種類の音声合成モデルと2種類の音声認識モデルの提供を開始した。10月19日まで限定の50%割引も提供される。

Artificial Analysis：Eleven v4 Turboは毎秒96文字を処理、価格はEleven v4の半額に

Artificial Analysisによると、ElevenLabsのEleven v4 Turboは生成時間1秒あたり96文字を処理し、価格は100万文字あたり40ドルとなっている。ベンチマークでは、同モデルがEleven v4より高速でありながらコストは半分に抑えられていることが示された。

Eleven v4 Turbo、Artificial Analysis の Provider Voice TTS Arena で首位を獲得

Artificial Analysis の Provider Voice TTS Arena において、ElevenLabs の Eleven v4 Turbo が Elo レート 1,334 で首位を獲得した。Eleven v4、Qwen-Audio-3.1-TTS-Plus、Sonic 3.6 を上回る。Controlled Voice では 2 位となり、発音の堅牢性スコアは 90.1% を記録した。

ElevenLabs v4 が Runway で利用可能に

Runway は、ElevenLabs v4 が同社プラットフォームで利用でき、ナレーションとキャラクターの台詞に使え、表現力が高まり、イントネーションもより自然になったとしている。

Eleven v4、Artificial AnalysisのProvider Voiceと発音テストで首位

Artificial Analysisによると、90以上の言語に対応するElevenLabsの音声合成モデルEleven v4は、同社のProvider VoiceアリーナとPronunciation Robustnessベンチマークで1位、Controlled Voiceでは2位となった。

Gemini 3.8 Flash TTSがスクリプトによる発声の挿入と相づちに対応

Googleによると、Gemini 3.8 Flash TTSとGemini 3.8 Flash-Lite TTSは、スクリプト化された非言語の合図によって声の調子、話速、表現のニュアンスを制御できる。これには発声の挿入や、聞き手としての短い相づちも含まれる。

Google AI、Gemini 3.8 TTSモデルとLive Avatar、Notebookの更新を公開

Google AIの今週のリリースには、Gemini 3.8 Flash TTSとFlash-Lite TTS、Live Avatarを備えたGemini 3.8 Live、全ユーザー向けのGemini_Notebookツールが加わり、約100言語に対応するモバイルのLive Chatも含まれる。Project Suncatcherは、軌道上でGoogle TPUを試験するため試作衛星を打ち上げる予定だ。

Gemini 3.8 Flash TTS、Artificial Analysisの発音ベンチマークで89.5%を記録し首位

Artificial AnalysisのPronunciation Robustnessベンチマークで、Gemini 3.8 Flash TTSは89.5%を記録し、Gemini 3.1 Flash TTS、SpaceXAI TTS、Gemini 3.8 Flash-Lite TTSを上回った。個別の発音カテゴリーの首位は、複数のモデルに分かれている。

Artificial AnalysisはGemini 3.8 Flash TTSを100万文字あたり32.98ドルとしている

Artificial AnalysisはGemini 3.8 Flash-Lite TTSを100万文字あたり22.07ドルとしている。いずれもGemini 3.1 Flash TTSとSpaceXAI TTSより高く、Eleven v3より低い。

Gemini 3.8 Flash TTSがArtificial Analysisの発音ロバスト性ベンチマークで首位

Artificial Analysisによると、Googleはプリセット音声と音声複製に対応するGoogle DeepMindのテキスト読み上げモデル、Gemini 3.8 Flash TTSとGemini 3.8 Flash-Lite TTSを公開した。同社のテストでは、Gemini 3.8 Flash TTSの発音ロバスト性は89.5%、Provider Voice ArenaのEloは1,263だった。

Gemini 3.8 FlashとFlash-Liteのテキスト読み上げモデルがGemini APIで利用可能に

Google for Developersは、自然言語で音声を指示できるGemini 3.8 Flash TTSと、大量の音声向けのGemini 3.8 Flash-Lite TTSを、いずれもGoogle AI StudioのGemini APIを通じて提供している。

Google AIがGemini 3.8 Flash TTSとFlash-Lite TTSの提供を開始

2026年9月23日から、開発者はGoogle AI StudioとGemini APIで両モデルを利用できる。Gemini 3.8 Flash TTSはGemini Notebookにも、Gemini 3.8 Flash-Lite TTSはGoogle Vidsにも提供され、両モデルは近日中にGemini Enterpriseでも利用できるようになる。

Google AIがGemini 3.8 Flash TTSとGemini 3.8 Flash-Lite TTSを公開

Google AIは、100以上の言語でカスタム音声を作成するか、2,000以上の既製音声を使える2つの音声モデルを公開する。会話の進行指示と行ごとの発話制御に対応する。

Google、Gemini 3.8 Flash TTSがHume AIの音声テストで首位と発表

Googleによると、Hume AI Voice DesignにおけるGemini 3.8 Flash TTSの総合スコアは71.4、アクセントモデリングのスコアは60.8。Hume AI Overall QualityでもFlash TTSを1位、Gemini 3.8 Flash-Lite TTSを2位としている。

4つのラボが9言語のリーダーボードでオープンウェイトTTSをリード

Artificial Analysisは、新たな9言語のリーダーボードすべてで首位に立つオープンウェイトの音声合成モデルは1つもないとしている。首位はHiggs Audio V3 TTS、OpenAudio S1 Mini、Voxtral TTS、Breeze TTS 2に分かれている。

Artificial Analysis、9言語のTTSリーダーボードを追加

Artificial AnalysisはControlled Voice Arenaを拡張し、日本語、標準中国語、ヒンディー語、スペイン語、ドイツ語、フランス語、ポルトガル語、ベトナム語、アラビア語向けに、それぞれ独立したテキスト読み上げのリーダーボードを設けた。順位は各言語で書かれたプロンプト、標準化されたクローン音声、母語話者による選好投票に基づく。

Artificial Analysis、テキスト読み上げモデルを新たに9言語で比較

多言語対応のControlled Voice Arenaリーダーボードは、テキスト読み上げモデルを新たに9言語で比較する。言語を選べるリーダーボード、公開投票アリーナ、ベンチマーク手法が公開されている。

4つのラボがArtificial AnalysisのTTS言語別ボードでオープンウェイト首位を分け合う

Artificial Analysisのランキングで、9言語すべてを首位とするオープンウェイトの音声合成モデルはない。Higgs Audio V3 TTS、OpenAudio S1 Mini、Voxtral TTS、Breeze TTS 2が、それぞれ異なる言語でオープンウェイト分野の首位に立ち、各ボードに含まれるオープンウェイトモデルは2〜6件にとどまる。

Artificial Analysisが9言語のテキスト読み上げリーダーボードを追加

Controlled Voice Arenaは、日本語、標準中国語、ヒンディー語、スペイン語、ドイツ語、フランス語、ポルトガル語、ベトナム語、アラビア語のテキスト読み上げモデルを順位付けするようになった。CartesiaのSonicファミリーが9つのボードのうち8つで首位に立ち、Inworld AIのRealtime TTS-2は標準中国語で1位となった。