動画の説明文は書けたけれど、ナレーションの雰囲気が決まらない。そんな制作で注目したいのが、Googleが2026年9月23日に発表した「Gemini 3.8 Flash TTS」と「Gemini 3.8 Flash-Lite TTS」です。
TTSは、文章から読み上げ音声を作る技術です。今回は、新しい音声モデルの違いと、個人事業主・クリエイターが試す前に確認したい点を整理します。
何が新しい？ 声と話し方を指定できる
GoogleはFlash TTSを、声のキャラクターづくりや細かな演技の指定に向くモデルとして紹介しています。Flash-Lite TTSは、大量の音声生成などで効率を重視する位置づけです。
自然な言葉で声の特徴を伝えたり、台本の行ごとに話す速さや感情を調整したりできる点が特徴です。ただし、文章生成の「Gemini 3.8 Flash」とは用途が異なります。モデル名の末尾にある「TTS」まで確認しましょう。
出典：Google公式発表：Gemini 3.8の音声生成モデル
日本語の台本にも対応。会話用Liveとは別の機能
Gemini APIの公式ガイドでは、両モデルの対応言語に日本語が含まれます。TTSはテキストを入力して音声を出す仕組みで、自由なやり取りをするLive APIとは区別されています。
台本のある商品紹介や説明動画ならTTS、相手の発言に応じて返答する仕組みならLive、という用途の違いを先に押さえると選びやすくなります。
複数話者の音声にも対応しますが、APIの1回の生成で使える話者数や声の種類には制約があります。「どの声でも自由に何人分でも会話させられる」とは考えず、必要な構成を公式ガイドで確認してください。
出典：Gemini API公式ガイド：音声生成・対応言語・制限
最初は短い商品紹介で試す
以下はLapis Techからの制作提案です。実際にこのモデルで作成・比較した結果ではありません。
最初から長い動画を作らず、自分の作品を紹介する短い台本を1つ用意します。たとえば架空の陶器作品なら、こんな内容です。
手のひらに収まる小さな器です。机の上で、アクセサリーや小物を置くのに使えます。
台本とは別に「落ち着いた雰囲気で、少しゆっくり。商品の説明として自然に」と話し方の希望を整理します。同じ台本で雰囲気を変え、作品に合う方向を比べると判断しやすくなります。これは演出を整理する例で、特定の画面へそのまま貼れば同じ結果になるという操作保証ではありません。
書き出した音声は、次の点を最後まで聞いて確認しましょう。
- 商品名・人名・数字の読み方が正しいか
- 台本の言い落としや、不自然な間がないか
- 字幕と話す内容が一致しているか
- 映像やBGMと合わせたときに聞き取りやすいか
日本語に対応していることと、自分の台本が意図どおりに読まれることは別です。読み方が難しい言葉は言い換えも検討します。
利用場所・料金・声の権利を先に確認する
公式発表では、Gemini APIとGoogle AI Studioでの提供開始が案内されています。Gemini NotebookやGoogle Vids向けの展開も紹介されていますが、各製品で使える機能や利用条件が同じとは限りません。普段のGeminiチャットですべて使えるとは捉えず、自分の利用画面を確認してください。
API料金表には無料枠と有料枠があり、モデル・処理方式によって条件が分かれます。無料で無制限に使えるという意味ではありません。試す前に対象モデルと課金設定を確認し、料金は最新のGemini API公式料金表で照合しましょう。
既存の声を再現する機能について、Googleは本人の声または利用する権利のある声を対象に説明しています。他人の音声を無断で使わず、最初は用意された声で試す方法が取り組みやすいでしょう。顧客の未公開台本や個人情報を入力する場合も、利用サービスのデータ取扱条件を先に確認します。
新機能をすべて使うことよりも、「誰に、何を、どんな調子で伝えるか」を決めることが制作の出発点です。短い台本と確認項目を用意してから試してみてください。
Lapis Techでは、個人事業主・クリエイターのIT活用や制作実務の困りごとをサポートしています。
情報確認日：2026年9月26日。公式発表と公式ドキュメントに基づく紹介です。個別アカウントでの機能提供状況、生成音声の品質、制作時間の短縮効果は未検証です。
