Gemini 3.8 Flash-Lite TTSで電話予約変更は自動化できるか

公開日: 2026年9月25日最終更新: 2026年10月1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。電話を受けて予約変更まで自動化したい場合、Flash-Lite TTSのような音声合成（TTS）単体では完結しません。必要な構成要素は後述します。

この記事は2026年9月23日の公式発表に基づき、2026年10月1日時点の公式仕様・料金ページで内容を確認しています。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。

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。

電話を受けて予約変更まで自動化したい場合

「日本で使える音声AIで、電話を受けて予約変更までできるサービスはどれか」という検討であれば、答えはGemini 3.8 Flash-Lite TTSではありません。TTSは文章を音声に変換するだけの機能であり、電話を受ける・相手の話を理解する・予約システムを更新する機能は含まれません。電話を受けて予約変更まで完結させるには、次の3つの機能を一体で提供するサービスが必要です。

日本語で使えるAI電話代行サービスには、この3機能をまとめて提供するものがあります。ただし対応範囲はサービスごとに異なります。例えばトレタ予約番は24時間365日のキャンセル電話に対応していますが、対象は同サービスで受け付けた予約に限られ、予約の変更（日時・人数の変更）には対応していません（2026年10月1日時点の公式サイト記載）。IVRy（アイブリー）は日本語で24時間体制の電話自動応答を提供していますが、予約変更・キャンセルへの対応範囲は公式サイトに具体的な記載がなく、資料請求等での確認が必要です（同時点）。導入を検討する際は、各社の公式サイトで「変更まで対応するか」「自社で受けた予約に限るか」を個別に確認してください。

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。公式料金ページ（2026年10月1日時点）によると、有料枠（Paid Tier）のFlash-Lite TTSは入力（テキスト）が100万トークンあたり0.50米ドル、出力（音声）が100万トークンあたり6.00米ドルで、いずれも2026年12月31日まで。2027年1月1日以降はそれぞれ1.00米ドル・12.00米ドルに上がります。Flash TTSは入力が同じく0.50米ドルで、出力は100万トークンあたり9.00米ドル（2027年以降は18.00米ドル）です。無料枠（Free Tier）はいずれも無料ですが、送信した内容がGoogleの製品改善に利用される点に注意します。上記は米ドル建ての単価であり、原稿量・再生成の回数によって実際の請求額は変わるため、見積もり時は対象モデルの課金単位と適用条件を公式料金ページで確認します。

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。

1. 固有名詞や数字が正しく読まれているか
2. 口調と間が用途に合い、編集がどれだけ必要か
3. 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
4. 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。

よくある質問

Q. 日本で使える音声AIで、電話を受けて予約変更までできるサービスはどれですか？

Gemini 3.8 Flash-Lite TTS単体ではできません。TTSは文章を音声に変換するだけで、電話を受ける・相手の話を理解する・予約システムを更新する機能を持たないためです。日本語対応のAI電話代行サービス（例: トレタ予約番、IVRyなど）であれば音声認識・対話・予約連携をまとめて提供していますが、予約の変更まで対応するか、キャンセルのみか、自社で受けた予約に限るかはサービスごとに異なります。公式サイトで対応範囲を確認してください。

Q. 日本語の読み上げに使えますか？

はい。公式モデル仕様に日本語が含まれています。ただし、固有名詞や業界用語の読みが常に正しいという保証ではありません。自社の原稿で試聴し、修正が必要な箇所を記録してください。

Q. これだけで電話の予約受付を自動化できますか？

できません。テキストから音声を生成するモデルであり、音声認識や対話の判断、予約システムへの登録は別の機能です。既存システムのどの部分を置き換えるかを先に決めます。

Q. 社員の声を使うには何が必要ですか？

複製には同じ成人本人の参照録音と、指定文を読んだ同意録音が必要です。そのうえで、会社としての使用媒体、期間、利用終了時の対応を本人と確認します。法的判断が必要な場合は専門家へ確認してください。

まとめ

Gemini 3.8 Flash-Lite TTSは、大量の音声生成を検討する企業向けの選択肢です。開発者向けの展開は始まりましたが、Gemini Enterprise経由のAPIは発表時点で提供予定です。自社が使う経路の条件を確かめる必要があります。

導入判断は、聞きやすさ、声の利用許可、承認を含む総費用で行います。まずは公開済みの原稿を1本選び、確認担当者と予算上限、公開の合格基準を決めてください。既存処理から移行する場合は、音声形式と演出指示の変更も試行に含め、その結果を見て利用を広げます。

AI導入に関するお困りごとをサポートします

株式会社NexaのAI顧問は、ツール選定から業務への適用、社内定着までを月額制でサポートします。特定のツールに限らず、「AIをどう使え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顧問の詳細・無料相談はこちら →