ナレーションを生成する

Gemini の音声生成を使うと、人間のナレーターを介さずに、テキストを入力するだけで自然な音声で読み上げることが可能になります。AIナレーションは、動画制作、オーディオブック、プレゼンテーションなど、様々な分野で活用されています。

①　ナレーションのテキスト（台本）を用意して下さい。

②　メニューから「Generate Media」→「Generate Speech」とクリックします。

③　モデル選択：最新のGeminiモデル（例: Gemini 2.5 Flash Preview TTSなど）を選択するとより自然な音声が期待できます。

④　条件設定を行う。

• Style Instructions：音色やトーンを調整

最初「Read aloud in a warm and friendly tone:」（温かく親しみやすく）が入っています。 日本語で「ゆっくり落ち着いた語り」「少しウキウキした声」「ささやき気味」「明るく明瞭な語り」などと変更することもできます。

• TEXT：ナレーションのテキスト（台本）を入力します。長いテキストの場合、約

5分20秒が上限となる場合があるので、必要に応じて分割してください。

• Mode：Single-speaker（一人） / Multi-speaker（複数人で会話）

• Voice：話者の音声（Voice）を選択します。▶ボタンで音声を確認できます。

⑤　音声の生成と確認

テキストと設定が完了したら、Runボタンをクリックして音声を生成します。

生成された音声が台本の下に表示されるので再生ボタンをクリックして確認します。

⑥　音声ファイルのダウンロード

生成された音声が問題なければ、ダウンロードボタンをクリックして音声ファイル（通常は.wav形式）を保存します。

はい、GeminiのVeoで生成する動画にナレーションを合成することは可能です。

特に、最新のVeo 3モデルはネイティブオーディオ生成機能を備えています。

これにより、プロンプトで記述した内容に基づいて、動画に合わせたオーディオ（音声や効果音など）を自動的に生成することができます。

また、Gemini 2.5の高度なオーディオ対話および生成機能についても言及されており、テキストからナレーションを生成し、それを動画に組み合わせることも可能です。

Vertex AI StudioのText-to-Speech機能なども利用できます。

つまり、Veoで動画を生成する際に、ナレーションも同時に生成したり、別途生成したナレーションを組み合わせたりする、といった使い方ができます。