声を作る前に台本を分ける。Gemini 3.8 TTSのその後と3つの確認

たとえば「AIに落ち着いて読んでほしい」という指示まで読み上げられたら、困りますよね。音声制作では、こんなすれ違いを避ける入力設計が役立ちます。

Googleが2026年9月23日に発表したGemini 3.8 Flash TTS／Flash-Lite TTSを、10月31日の公式資料で読み直しました。TTSは、文章を読み上げ音声に変える機能です。ここでは提供状況、台本の構造、保存形式の3点に絞ります。音声生成や品質比較は今回実施していません。

1. 「企業向けは今後」から、一般提供の記載へ

9月の発表記事では、Gemini API・Google AI Studioへの順次提供と、企業向けAPIの今後提供が案内されていました。現在のGemini EnterpriseのFlash TTSモデル資料には、一般提供（GA）・リリース日2026年10月28日と記載されています。9月の予告と10月の提供情報を分けて読む必要があります。

一方、同じ企業向けページでもVoice design（声の設計）とVoice replication（声の複製）はPreviewです。モデルのGAを、周辺機能すべての正式提供と読み替えないようにします。個々の契約やプロジェクトで実際に使えるかは未検証です。

GoogleはFlashを演技や声質など表現を作り込む用途、Flash-Liteを大量生成や費用効率を重視する用途に位置づけています。これは開発元の説明で、本稿で速度・品質・費用の優劣を実測したものではありません。

2. 台本と演技指示を分ける

現在のAPIガイドでは、読む文と話し方の指示を別の欄へ渡します。たとえば「明るく読んで：こんにちは」を全部台本へ入れると、指示自体が読み上げられる可能性があります。

読む文は text、持続する話し方は speech_metadata.style へ。会話では各ターンに話者を割り当てます。声を選ぶこと、読み上げ文を書くこと、話し方を指定することを、それぞれ分けるのが実装上の要点です。

以下は入力の形を示す例です。API呼び出しや動作確認を済ませたコードではありません。

入力の例：

読む文：こんにちは。今日は設定の確認から始めます。

話し方：落ち着いた声で、明瞭に。

移行ガイドは、継続する話し方と、その瞬間の笑い・間などのタグも区別しています。旧モデルの長い指示文をそのまま貼り付ける前に、どの欄が何を担うかを照合してください。

3. 音声が返っても、ファイルの保存まで確認する

企業向け移行ガイドによると、通常の一括応答の既定は完成済みWAVです。旧実装でraw PCMにWAVヘッダーを付けていた場合、その処理を重ねないよう見直します。ストリーミング応答のraw PCMとは区別が必要です。

確認用には、権利上問題のない短い台本を1つ固定します。モデル・声・指示を記録し、保存したファイルが開くか、固有名詞や数字が意図どおりかを聴く。この順なら、文章の問題と音声保存の問題を切り分けやすくなります。これは編集上の提案で、効果を測った実験結果ではありません。

声の複製と地域条件は別に確認

9月発表では、音声複製に声の本人による口頭同意の録音が必要と説明されています。AI Studio経由の複製に示された地域制限を、通常のTTS全体の制限に広げることはできません。

企業向けモデル資料の実行先はglobal・us・euで、独自に作成した声はglobalという条件があります。実行先の場所と、日本在住者の利用資格は同じ概念ではありません。本稿では本人の契約・地域・課金条件を確認しておらず、利用可能・無料とは保証しません。料金の具体額も掲載しません。

まとめ：今日できる小さな一歩

まず、短い台本を「読む文」「話し方」「人が聴いて確認する点」の3欄に分けてみてください。生成前のこのメモなら、声やモデルを変えても再利用できます。実際の生成前には、その時点のモデル・API・権利・料金条件を確認します。

出典

- Google発表：Gemini 3.8 text-to-speech says hello（2026-09-23）

- Gemini API：Text-to-speech generation

- Gemini Enterprise：Gemini 3.8 Flash TTS

- Gemini Enterprise：Migrate to Gemini 3.8 TTS

公式資料確認日：2026年10月31日。発表者の性能説明と、今回確認した仕様の記載を区別しています。

文章の準備と確認手順を整えたい方へ

音声にする前の原稿など、繰り返す文章業務1種類の指示文と確認手順を整理したい場合は、実務プロンプトと運用手順マニュアルの作成サービスをご覧ください。テキストの指示文・手順書を扱うサービスで、音声制作・API実装の代行ではありません。