Google、読み上げの Gemini 3.8 Flash TTS などを公開
公開 3 分で読めます
Google は 9 月 23 日、文章を音声で読み上げる音声合成(TTS)のモデル「Gemini 3.8 Flash TTS」と「Gemini 3.8 Flash-Lite TTS」を発表しました。開発者は Gemini API と Google AI Studio で使えます。Gemini API の更新履歴では、9 月 22 日に一般提供を始めたとしています。
要点
- Flash TTS は人物の声づくりや細かな演技の指示向け、Flash-Lite TTS は大量の処理向けです。
- 文章で説明して声を一から作れ、30 秒の録音から声を再現することもできます。
- 声の再現には、声の持ち主本人が同意を話した録音が必要です。
- 1 つの台本から 2 人の会話を作れ、笑い声やため息、相づちも指示できます。
- 料金は 12 月 31 日まで、100 万トークンあたり入力 $0.50、出力は Flash TTS が $9 です。
- Flash-Lite TTS の出力は $6 で、2027 年 1 月 1 日からは両方とも今の 2 倍になります。
数時間の長い音声でも、声の質と話す速さを保つとしています。Flash-Lite TTS は、プレビュー版の gemini-3.1-flash-tts-preview の後継で、プレビュー版は早ければ 11 月 17 日に提供を終えます。作った音声には、すべて SynthID の電子透かしが入ります。
Google の発表では、Hume AI の Voice Design Benchmark で Flash TTS が総合 1 位(71.4)、Overall Quality Index で Flash TTS と Flash-Lite TTS が 1 位と 2 位でした。一般の利用者向けには、Flash TTS を Gemini Notebook で、Flash-Lite TTS を Google Vids で使い始めるとしています。企業向けの Gemini Enterprise の API でも近く提供する予定です。
日本の利用者にとって
Google は、同じ内容の発表を日本語のブログでも公開しています。人が聞き比べて評価する Voice Arena では、日本語などの主要な言語で上位に入ったとしています。読み上げのガイドでは、2 つのモデルとも対応する言語に日本語が含まれています。料金は米ドルで示されています。
YOBITSUGI AI で使えるか
YOBITSUGI AI では、読み上げに Gemini 3.8 Flash TTS を使えます。Gemini 3.8 Flash-Lite TTS は、現時点の対応モデルには含まれていません。
出典
- Gemini 3.8 text-to-speech says hello(Google The Keyword・2026年9月23日)
- Gemini 3.8 音声合成モデルを発表(Google Japan ブログ・2026年9月23日)
- Release notes — September 22, 2026(Gemini API・2026年9月22日)
- Text-to-speech generation (TTS)(Gemini API・2026年10月15日確認)
- Gemini Developer API pricing(Gemini API・2026年10月15日確認)
- Gemini deprecations(Gemini API・2026年10月15日確認)
