Google、音声合成「Gemini 3.8 Flash TTS」公開　2000超の音声と100言語超に対応

何が発表されたか

Googleは2026年9月23日、音声合成（TTS）モデル2種を発表した。

• Gemini 3.8 Flash TTS … 作り込んだ演出やキャラクター設計向け
• Gemini 3.8 Flash-Lite TTS … 大量生成とコスト効率を重視する用途向け

主な機能は次のとおり。

• 100以上の言語・方言に対応し、自然言語のプロンプトからカスタム音声を作成できる
• 2000以上の「production-ready」な音声を用意し、地域バリエーションも含む
• 行単位で演技を指示でき、感情・テンポ・方言を細かく制御できる
• 30秒の音声サンプルから音声を複製できる（同意確認あり）
• 長尺生成に対応し、数時間の連続音声でも品質を維持する
• 2話者のシーン構成にネイティブ対応し、相づちなどの声の反応も表現できる

提供形態は、開発者向けに Gemini API と Google AI Studio で発表当日から開始。企業向けは Gemini Enterprise API で近日提供予定。一般利用では Flash TTS が Gemini Notebook、Flash-Lite TTS が Google Vids に載る。価格は発表に記載がない。

開発者への影響

制作・受託の現場で効いてきそうな点を整理する。

• モデルの使い分けが前提になった … 品質重視の Flash TTS と量重視の Flash-Lite TTS が分かれている。ナレーション1本と、商品数千点の音声読み上げでは選ぶモデルが変わる。実装時は切り替え可能な設計にしておくと後で楽だ
• 演出指示がコード側に降りてくる … 行単位で感情・テンポ・方言を指示できるため、スクリプトに演出情報を持たせる設計が必要になる。テキストだけを渡す前提のデータ構造だと作り直しになりやすい
• 音声複製には同意確認が挟まる … 30秒サンプルからの複製は同意確認付きと明記されている。ナレーターや社内の声を使う案件では、権利処理のフローを先に決めておきたい
• 価格は未確認 … 発表に価格の記載がない。見積もりに入れる前に API の価格表で確認する必要がある

長尺対応と2話者構成は、ポッドキャスト風コンテンツや説明動画のナレーション自動生成で使いどころがある。