音声生成AIモデル「Gemini 3.8 Flash TTS/3.8 Flash-Lite TTS」正式発表

＼この記事が参考になったなら／

最新ニュースを逃さないよう、Google 優先ソースに「Jetstream」を登録してください

詳しくはこちら

📝 この記事のポイント

テキスト 図解

• Google、テキストから音声を生成する最新 AI モデル「Gemini 3.8 Flash TTS」と「Gemini 3.8 Flash-Lite TTS」を正式発表。
• 「Gemini 3.8 Flash TTS」は、キャラクターの声作りや細かな演出に重点を置いた、ゲームやオーディオブック、ポッドキャストなどのクリエイティブ用途向け音声生成 AI モデル。
• 「Gemini 3.8 Flash-Lite TTS」は、大量の吹き替えや音声コンテンツ制作、表現力のある音声エージェントなどに向けて、スケールとコスト効率を重視して設計された音声生成 AI モデルで、低コストながら、声のトーンや話すペース、細かなニュアンスまでコントロール可能。

ポッドキャストを聴く

-5s 1x 1.25x 1.5x 2x

関連動画

先日、音声対話に特化した AI モデル「Gemini 3.8 Live」と「Gemini 3.8 Live Extended Thinking」を発表したばかりの Google は現地時間 2026 年 9 月 23 日（水）、テキストから音声を生成する最新 AI モデル「Gemini 3.8 Flash TTS」と「Gemini 3.8 Flash-Lite TTS」を正式発表しました。

「Gemini 3.8 Flash TTS」と「Gemini 3.8 Flash-Lite TTS」は共に、これまでで最も表現力が高いとする音声生成モデルで、あらかじめ用意された声を読み上げに使うだけでなく、声そのものをデザインしたり、セリフごとに演技を指示したりといった、スタジオのような使い方を可能にしています。すでに「Gemini API」や「Google AI Studio」、「Gemini Notebook」、「Google Vids」などを通して展開が始まっています。

なお、「Gemini 3.8 Flash TTS」「Gemini 3.8 Flash-Lite TTS」両モデルで生成されたすべての音声には、人の耳では判別できない電子透かし「SynthID」が埋め込まれるほか、声の再現には、声の持ち主本人による口頭での同意の録音が必要になるなど、悪用を防ぐための仕組みも組み込まれています。

「Gemini 3.8 Flash TTS」

「Gemini 3.8 Flash TTS」は、キャラクターの声作りや細かな演出に重点を置いた、ゲームやオーディオブック、ポッドキャストなどのクリエイティブ用途向け音声生成 AI モデルです。

役柄やアクセント、声質などを自然言語で指定するだけで、100 以上の言語 / 方言に対応したオリジナルの声を一から作成できるほか、メキシコのスペイン語やケベックのフランス語、スコットランド英語といった地域差も含む 2,000 種類以上の既製ボイスも利用できます。さらに、本人の声、もしくは使用権を持つ声であれば、わずか 30 秒の音声サンプルから声を再現することも可能で、作成した声を保存して、継続するプロジェクトなどでも一貫した声のまま使い続けられます。

今後は、既製ボイスの音色やピッチ、話す速さ、アクセントをプロンプトで微調整できる「ボイスリミックス」機能も追加される予定です。

また、「Gemini 3.8 Flash TTS」は、セリフごとに “ト書き” のような演技指示を書き込んで話し方を細かく指定できるほか、2 人の話者による掛け合いを 1 つの台本から生成したり、笑い声やため息、相づちといった非言語的な表現を差し込んだりすることもできます。数時間に及ぶ長尺の音声でも、声質や話すペースが崩れにくくなっているとのこと。

これらの演技指示やロングフォーム生成、2 話者の掛け合いは、後述する「Gemini 3.8 Flash-Lite TTS」でも利用できます。

「Gemini 3.8 Flash TTS」は、開発者向けには「Gemini API」や「Google AI Studio」を通して、一般ユーザー向けには「Gemini Notebook」を通して展開が始まっているほか、企業向けには今後「Gemini Enterprise」でも API 経由で提供される予定です。なお、「Google AI Studio」での声の再現機能は、米イリノイ州やテキサス州、EEA、英国、スイス、インドでは利用できません。

「Gemini 3.8 Flash-Lite TTS」

「Gemini 3.8 Flash-Lite TTS」は、大量の吹き替えや音声コンテンツ制作、表現力のある音声エージェントなどに向けて、スケールとコスト効率を重視して設計された音声生成 AI モデルで、低コストながら、声のトーンや話すペース、細かなニュアンスまでコントロール可能です。

「Gemini 3.8 Flash-Lite TTS」は、開発者向けには「Gemini API」や「Google AI Studio」を通して、一般ユーザー向けには「Google Vids」を通して展開が始まっているほか、企業向けには今後、「Gemini Enterprise」でも API 経由で提供される予定です。

Source：Google（https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-text-to-speech/）