Gemini 3.1 Flash TTS。Googleは本日、Gemini 3.1 Flash TTSをリリースしました。プロンプトを使って制御できる新しいテキスト読み上げ（TTS）モデルです。

標準のGemini APIで、モデルIDとしてgemini-3.1-flash-tts-previewを指定して提供されていますが、出力できるのは音声ファイルのみです。

プロンプト作成ガイドは、少なくとも驚くような内容です。以下に、音声をほんの数文生成するための彼らの例のプロンプトを示します：

# AUDIO PROFILE: Jaz R.
## "The Morning Hype"

## THE SCENE: The London Studio
ガラス張りのスタジオで、月明かりのロンドンのスカイラインを見下ろしているのは午後10時だが、内側はとにかく眩しいくらいに明るい。赤い「ON AIR」タリーライトがギラギラと燃えている。Jazは座っていない。立っている。分厚いミキシングデスクの前で、巨大なミキシングデスクのフェーダーを飛ぶように操作している。足のかかとではなくつま先側（踵を上げた状態）で、その分厚いバッキングトラックのリズムに合わせて跳ねている。これは、ある国全体を目覚めさせるために作られた、カオスで、カフェインに満ちた操縦席だ。

### DIRECTOR'S NOTES
スタイル：
* 「Vocal Smile（ボーカルの笑顔）」：音声から笑顔が伝わる必要があります。ソフトパレットは常に持ち上げて、トーンを明るく、日なたのようにし、そして明確に誘うようにしてください。
* ダイナミクス：叫ばずに高い投射感を。興奮の言葉（例：「Beauuutiful morning」）では、パンチの効いた子音と引き延ばされた母音。

テンポ：エネルギッシュなテンポで話し、テンポの速い音楽についていく。"跳ねる"ような間合いで話す。流れるようなトランジションで高速に届ける——無音も、間（ギャップ）もなし。

アクセント：Jazはロンドンのブリクストン出身

### SAMPLE CONTEXT
Jazは、トップ40ラジオの業界標準であり、高オクタン価のイベント・プロモ、あるいは、陽気なエスティアリー（イースト・アングリア寄りの発音のような）訛りと、11/10の伝染するようなエネルギーが必要なあらゆる台本のための存在です。

#### TRANSCRIPT
[わくわくしながら] うおお、スタジオの空気が最高だ！いまロンドンで、ガチで盛り上がってるよ。もしチューブで立ち往生してるなら、あるいは、働いてるふりをしてずっと座ってるだけなら……やめて。マジで、分かってるよ、君のこと。
[叫びながら] これをもっと上げて！プロジェクトのロードマップが3、2…ってところで降りてくる。いくぞ！

この例のプロンプトを使って私が得られたのは以下です：

あなたのブラウザは音声要素をサポートしていません。

次にこれを「Jaz is from Newcastle」に変更し、さらに「... requires a charismatic Newcastle accent（……魅力的なニューカッスル訛りが必要）」にして、この結果になりました：

あなたのブラウザは音声要素をサポートしていません。

ちなみにエクセター（デヴォン）でも試してみました：

あなたのブラウザは音声要素をサポートしていません。

私はGemini 3.1 Proの雰囲気で、これを試すためのこのUIを作って遊びました：