Googleの新音声モデル「Gemini 3.8 Flash TTS」と「Flash-Lite TTS」

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」は、文章を読み上げ音声に変えるTTS（音声合成）モデルだ。選ぶ際のポイントは用途にある。声の個性や演技を細かく作り込みたいならFlash TTS、吹き替えなど大量の音声を費用を抑えて制作したいならFlash-Lite TTSという位置付けだ。427

2つのモデル、何が違う？

Flash TTSでは、役柄やアクセント、声質を自然な文章で指定して新しい声を作り、台本の場面に合わせて話し方を演出できる。物語の登場人物など、声そのものの設計が重要な制作を想定している。430

Flash-Lite TTSは、大量の吹き替えや音声コンテンツ、音声エージェント向けに設計されたモデルだ。コスト効率を重視する一方、声の調子や話す速さも調整できる。「Lite」は、抑揚のない読み上げしかできないという意味ではない。2730

声の作成・複製と対応言語

Googleによると、すぐに使える声は2,000種類以上。文章による指示で新しい声を作るだけでなく、複数人の掛け合いや、セリフごとの口調・アクセント・話す速さも指定できる。42829

Googleは100以上の言語・方言にわたる声の作成を説明している。外部のモデル情報サイトは、対応言語数をFlash TTSで130、Flash-Lite TTSで101と報告する。ただし、この数字は個々の声や機能がすべての言語で同じように使えることを保証するものではない。271718

新しいキャラクターの声を作ることと、実在する話者の声を複製することは別の機能だ。後者について、発売時の報道は約30秒の参照音声と、複製前の同意確認が必要だと伝えている。2223

安全対策と性能評価は？

Googleは、声の複製には同意の検証を設けていると説明する。発売時の報道によれば、生成音声には電子透かし「SynthID」が埋め込まれ、複製した声には来歴を示す「C2PA」の認証情報も付く。こうした対策があっても、悪用の可能性がなくなったとまでは言えない。2334

発表時に報告された評価では、Flash TTSはHume AIの声の設計に関するベンチマーク「Voice Design Benchmark」で71.4点、1位。アクセントの再現に関する別の指標では60.8点との報道もある。Googleは、同社の「Overall Quality Index」で両モデルが上位2位を占めたとも述べた。いずれも公表・報告された評価結果であり、個別の用途での品質を保証するものではない。1921

どこで使える？

Googleは9月23日、開発者向けのGoogle AI StudioとGemini APIで両モデルの提供を順次開始すると発表した。Gemini APIの更新履歴には、TTSモデルと声を扱うVoicesエンドポイントが一般提供として記載されている。2932

一般向け製品では、Flash TTSをGemini Notebook、Flash-Lite TTSをGoogle Vidsで提供すると説明。一方、企業向けの**Gemini Enterpriseは「近日中」**としていた。これらの製品名が発表されたことは、発売時点ですべての声関連機能が各製品で使えたことを意味しない。29

初期の連携先としてはAgora、LiveKit、Pipecat、Vercelなどの開発プラットフォームが報じられた。Figma、HeyGen、Wondercraftなども、吹き替えや多言語化、音声エージェントへの活用例として挙げられている。ただし、連携状況や利用できる機能が各社で同じとは限らない。37