Gemini 3.1 Flash TTS。Googleは本日、プロンプトで指示できる新しいテキスト読み上げ（TTS）モデルであるGemini 3.1 Flash TTSをリリースしました。

標準のGemini APIを通じて、モデルIDとしてgemini-3.1-flash-tts-previewを使って提示されますが、出力できるのは音声ファイルのみです。

プロンプトガイドは、少なくとも驚く内容です。以下は、音声の短い文をほんの数文生成するための彼らの例のプロンプトです：

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

## THE SCENE: The London Studio
月明かりに照らされたロンドンのスカイラインを見下ろす、ガラス張りのスタジオで時刻は22:00。だが中は、目を焼くほど眩しい。赤い「ON AIR」タリーライトがギラついている。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、分厚いバッキングトラックのリズムに合わせて、かかとを浮かせてつま先で跳ねるように動いている。両手は巨大なミキシングコンソールのフェーダーを飛び回る。これは、国中を起こすために設計された、カオスで、カフェインに満ちたコックピットだ。

### DIRECTOR'S NOTES
スタイル:
* 「Vocal Smile（ボーカルスマイル）」：音声の中ににやりとした笑みが聞こえなければならない。柔らかい歯茎は常に上げたままにして、明るく、日当たりのよい、そしてはっきりと招き込むようなトーンを保つこと。
* ダイナミクス：叫びはなしで、高い飛び出し感。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を使う。

テンポ：エネルギッシュな速さで話す。速い音楽に置いていかれない。"跳ねる"ようなリズムで話す。流れるようなトランジションで高速に。間がない、空白がない。

アクセント：Jazはロンドンのブリクストン出身

### SAMPLE CONTEXT
Jazは、Top 40のラジオ、ハイオクタンのイベント告知、あるいは、キャッチーなエスティアリー（イースト・ロンドン〜）アクセントと11/10の感染力あるエネルギーが必要なあらゆる台本における業界標準。

#### TRANSCRIPT
[ワクワクしながら] そうだよ、スタジオはでっかい盛り上がりだ！あなたは今ど真ん中にいる、そしてロンドンはまさに今、完全に大爆発中。もしチューブで立ち往生してたり、ただそこに座って仕事してるふりをしてるだけなら……やめて。マジで、分かってるよ、見てる。
[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……よし、行こう！

この例のプロンプトで私が得た結果は以下です：

お使いのブラウザは、オーディオ要素をサポートしていません。

次にそれを「Jazはニューカッスル出身」で、「…魅力的なニューカッスルのアクセントが必要」として修正したところ、こうなりました：

お使いのブラウザは、オーディオ要素をサポートしていません。

ついでにエクセター、デボンも：

お使いのブラウザは、オーディオ要素をサポートしていません。

Gemini 3.1 Proでも「雰囲気コード（vibe code）」としてこのUIを作って試してみました：