Gemini 3.8 Flash-Lite TTSの導入判断

2026年9月25日

公開日: 2026年9月25日

公式ドキュメント・公式発表などの一次情報を確認したうえで、株式会社Nexaが執筆・更新しています。AIツールの仕様や料金は変わることがあるため、導入判断の前に各公式サイトの最新情報もご確認ください。運営会社について

Gemini 3.8 Flash-Lite TTSは、Googleが2026年9月23日に発表した大量の音声生成とコスト効率を重視するモデルです。

要点1: Gemini APIとAI Studioで展開開始。Enterprise経由は提供予定。
要点2: 文章から音声を生成するモデルで、リアルタイム対話用のLive APIは非対応。
要点3: 声の複製には同じ成人の参照音声と、指定の同意文を読んだ実録音が必要です。

対象: 音声制作の効率化を検討する経営者やDX推進担当者

今日やること: 公開済みの短い原稿を選び、音声の確認担当者を決める

この記事の著者

株式会社Nexa 代表取締役川島陸

一橋大学経済学部卒業後、フォーティエンスコンサルティング株式会社（旧株式会社クニエ）にて法人向けAI導入支援等を経験。独立後、AI系メディア運営やDify/n8nの導入支援を経て、株式会社Nexaを創業。法人向けAI研修・AI導入支援・AI関連メディア運営を手掛ける。

詳しく見る AI顧問の無料相談

Gemini 3.8 Flash-Lite TTSの登場で、企業が大量の読み上げ音声を作る選択肢が増えました。ただし、自然に聞こえる音声を生成できても、そのまま社外公開できるとは限りません。声の利用許可や原稿の確認、作り直しの負担まで含めた判断が必要です。

この記事は2026年9月25日時点の公式発表と仕様に基づく解説です。実機での検証結果ではなく、企業が試行を始める前の判断材料を整理します。

Gemini 3.8 Flash-Lite TTSの発表概要

Googleは9月23日、Gemini 3.8 Flash TTSとFlash-Lite TTSを発表しました。文章を読み上げ音声へ変換する技術がTTS（Text-to-Speech）です。読み上げたい原稿を入力し、生成された音声を受け取ります。

公式発表では、Flash-Liteを大量の吹き替えや音声コンテンツ制作向けと位置づけています。口調や速さ、表現の細かな指示にも対応しますが、実務では求める演出の程度に応じて選びます。

図1: 用途に合わせて音声生成を選び、対話処理とは役割を分けます。

モデル	公式が重視する用途	企業での選定軸
Flash-Lite TTS	大量生成とコスト効率	更新頻度や生成量を重視する制作
Flash TTS	細かな演出とキャラクター設計	声の演技や表現を重視する制作

これは用途の違いであり、Flash-Liteなら総費用が必ず下がるという意味ではありません。まず、毎月作る音声の本数と、必要な演出を整理します。

APIと画面利用をどう選ぶか

試聴から始めるならAI Studio、既存システムへの組み込みを考えるならAPIが検討対象です。Google AI Studioは、ブラウザで生成や試聴を行う開発者向けの画面です。

APIは、プログラムからモデルを呼び出すための接続口です。人が画面に原稿を貼り付ける方法とは異なり、社内の処理から生成を実行する仕組みを作れます。

発表では、Gemini APIとGoogle AI Studioへの展開を9月23日から開始しています。一方、Gemini Enterprise経由のAPI提供は「近日提供予定」です。開発者向けAPIの開始と、企業向けの提供予定を混同しないようにします。

Flash-Liteの一般向け展開先としてはGoogle Vidsも案内されています。ただし、Vidsの画面機能とAPIで作る仕組みは同一ではありません。利用するアカウントでの提供状況と契約条件を確認してください。

運用上は、APIキーの管理者、送信してよい原稿、生成音声の保存先、公開担当者を先に決めます。キーは接続を認証する情報です。個人の画面で試せたことを、そのまま組織での利用承認と扱わないことが出発点になります。

声の複製に必要な同意と承認

実在する人の声を使う場合は、声の再現だけでなく利用許可を確認します。声の複製（Voice replication）は、短い録音から話者の声の特徴を再現する機能です。FlashとFlash-Liteの両方が対応しています。

公式の複製仕様では、複製リクエストごとに次の実録音が必要です。

同じ成人話者による、10〜30秒の明瞭で自然な参照音声
その話者が、対応言語の指定された同意文を読んだ音声

この同意確認が、会社の広告や動画への利用条件まで自動で決めるわけではありません。誰の声を、どの媒体で、いつまで使えるかは別に整理します。本人の利用終了希望や退職時に、複製した声と公開済み音声を誰が停止、削除するかも決めておきます。

図2: 本人の同意、会社の許可、利用終了時の対応をそれぞれ確認します。

保存方式にも違いがあります。標準のstore=Trueは音声プロファイルをGoogleのプロジェクトに保存し、保持期間は1年です。任意のstore=Falseでは、暗号化された音声キーを自社側で管理し、有効期間は7日となります。後者を「サービス全体でデータが一切保存されない」という意味に広げてはいけません。

最初の試行は既成の声で行い、本人の声の複製は別の承認に分けると、音声品質の評価と許可の確認を混同せずに進められます。

AI導入に関するお困りごとは、株式会社NexaのAI顧問がサポートします。「何から始めればいいか分からない」という段階からご相談いただけます。

AI顧問の無料相談はこちら →

料金は完成音声の総費用で比べる

導入費用は生成単価だけでは決まりません。本記事ではモデル固有の料金を確定していないため、具体的な金額は掲載していません。見積もり時は公式料金ページで対象モデルの課金単位と適用条件を確認します。

費用の項目	試行時に残す記録
音声生成	原稿量、生成量、再生成の回数
制作と承認	原稿修正、試聴、編集にかかった時間
接続と保守	既存システムの修正、保存、障害対応の負担

安く生成できても、商品名の読み直しや確認の往復が増えれば、完成までの費用は増えます。比較対象は最初の生成結果ではなく、公開できる音声です。

料金ページの共通説明では、無料枠は製品改善へのコンテンツ利用あり、有料枠は利用なしと案内されています。ただし脚注と適用条件があるため、利用する契約で確認が必要です。対象モデルの無料利用を保証する説明でもありません。機密原稿や個人情報を試行へ持ち込む前に、社内の利用条件を確認します。

小規模試行と既存システムの確認

最初は公開済みの短い原稿を1本選び、既成の声で評価する方法を提案します。これは導入事例ではなく、試行の進め方です。作業を広げる前に、次の記録をそろえます。

固有名詞や数字が正しく読まれているか
口調と間が用途に合い、編集がどれだけ必要か
再生成を含めた費用はいくらで、担当者の確認に何分かかったか
不合格時に公開を止め、従来の制作へ戻せるか

図3: 原稿選定、音声確認、総費用の記録を小規模な試行で行います。

既存のTTS処理がある企業は、接続の変更も試行範囲に含めます。モデル仕様の移行ガイドでは、旧モデルgemini-3.1-flash-tts-previewからの変更点を説明しています。移行はモデル名の差し替えだけでは足りません。

口調や話者の指示を、文章とは別の構造化項目speech_metadataへ移します。文章に指示を混ぜると、その指示自体が読まれる場合があります。

通常の単発応答は、音声ファイル形式のWAVで返されます。旧実装でWAVヘッダー（形式情報）を付けていた処理は見直しが必要になります。別形式が必要ならresponse_formatで指定します。一方、3.8のFlashとFlash-Lite間は同じAPI形式です。この切り替えやすさを旧モデルからの移行へ当てはめないようにします。

TTSが担当するのは音声生成です。Flash-Lite TTSはLive APIに対応しておらず、相手の話を理解したり予約を登録したりする仕組みは別に必要です。対話自体を検討する場合は、Gemini 3.8 Liveの企業向け解説も参考になります。