結論：使い方ごとに、こうなります

Google は 2026年9月23日、新しい音声合成（TTS）モデル Gemini 3.8 Flash TTS と Gemini 3.8 Flash-Lite TTS を発表しました（出典: https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-text-to-speech/）。前世代の Gemini 3.1 Flash TTS Preview にも動きがあります。モデル一覧ページで「Legacy（レガシー）」表記に変わりました（出典: https://ai.google.dev/gemini-api/docs/models）。

どんな使い方か やること どうなるか
声優なしでキャラクターボイスを作りたい Gemini 3.8 Flash TTS を使う（AI Studio か API） 自然文の指示で声を作れる。前世代より出力単価が55%安い
大量のダビング・音声コンテンツを効率よく作りたい Gemini 3.8 Flash-Lite TTS を使う 出力単価は前世代より最大70%安い、100万トークンあたり$6.00
自分の声を複製して使いたい 30秒の同意録音を用意して AI Studio か API で複製 イリノイ・テキサス・EEA・UK・スイス・インドでは、AI Studio 上の複製が使えない

一言でいうと、単価は下がり、声の複製は誰でも申請なしで使える。ただしその安い単価は2027年1月1日に2倍へ戻り、複製機能には使えない地域がある。

先に断っておきます。この記事は運営者がこのモデルを試した記録ではありません。公式ページと開発者ドキュメントに書かれていることを読んで、使い方ごとに整理したものです。

ここから下は、表の3行がなぜそうなるのかの説明です。

なぜそうなるのか

出力単価が最大70%下がった理由

理由は「新モデルの単価そのものが安い」の1点です。前世代との差を、料金ページの生の数字で並べます。

100万トークンあたり（Standard・導入価格） Gemini 3.1 Flash TTS Preview（旧） Gemini 3.8 Flash TTS（新） Gemini 3.8 Flash-Lite TTS（新）
入力（テキスト） $1.00 $0.50 $0.50
出力（音声） $20.00 $9.00 $6.00

出典: https://ai.google.dev/gemini-api/docs/pricing

3つのGemini音声合成モデルの単価を比べた横棒グラフ。100万トークンあたりのドル。Gemini 3.1 Flash TTS Preview（旧世代・レガシー）は入力1.00ドル・出力20.00ドル、Gemini 3.8 Flash TTS（新・スタジオ品質）は入力0.50ドル・出力9.00ドル、Gemini 3.8 Flash-Lite TTS（新・高効率）は入力0.50ドル・出力6.00ドル。新2モデルの値は2026年12月31日までの導入価格。下がり幅は入力50%、出力はFlash TTSが55%・Flash-Lite TTSが70%（この記事の計算）。3.1 Flash TTS Previewは新モデルの登場と同時にモデル一覧で「Legacy」表記になった。
入力は半額、出力はモデルによって55〜70%安くなりました

入力はどちらの新モデルも50%安くなりました。出力は Flash TTS が55%、Flash-Lite TTS が70%安くなっています（いずれもこの記事の計算）。前世代の Gemini 3.1 Flash TTS Preview は、モデル一覧ページで乗り換えを勧める表記に変わっています。原文は「Legacy TTS preview model. We recommend updating to Gemini 3.8 Flash TTS or Gemini 3.8 Flash-Lite TTS.」です（出典: 同上）。

ただし、この安さには期限があります。料金ページには「2026年12月31日まで」と明記されており、2027年1月1日からは入力・出力とも2倍になります。

100万トークンあたり 2026年12月31日まで 2027年1月1日から
入力（Flash TTS / Flash-Lite TTS 共通） $0.50 $1.00
出力（Flash TTS） $9.00 $18.00
出力（Flash-Lite TTS） $6.00 $12.00

出典: https://ai.google.dev/gemini-api/docs/pricing

Gemini 3.8 Flash TTSとFlash-Lite TTSの単価が期間で変わることを示した横棒グラフ。100万トークンあたりのドル。入力（両モデル共通）は2026年12月31日まで0.50ドル、2027年1月1日から1.00ドル。出力はFlash TTSが9.00ドルから18.00ドル、Flash-Lite TTSが6.00ドルから12.00ドル。いずれも2027年1月1日に2倍になる。前世代の3.1 Flash TTS Previewには導入期間の但し書きが無く、1.00ドル／20.00ドルのまま。
導入価格は2027年1月1日に2倍になります

前世代の Gemini 3.1 Flash TTS Preview の料金には、こうした期間の但し書きがありません（出典: 同上）。「導入期間」という区切り自体が、新しい2モデルだけの仕組みです。2027年1月1日以降は、新モデルの単価と前世代の単価の差がさらに縮みます。年明け以降の費用で予算を組む場合は、いまの安い単価をそのまま使わないよう注意が必要です。

何ができるようになったか

発表ページによると、2つのモデルは役割が分かれています（出典: https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-text-to-speech/）。

  • Gemini 3.8 Flash TTS：ゲーム・オーディオブック・ポッドキャストなど、深い演出が要る場面向け
  • Gemini 3.8 Flash-Lite TTS：大量のダビングや音声エージェントなど、高効率・低コストの量産向け

共通機能として、次の4つが挙げられています（出典: 同上）。

  • 声を自然文で作る。「怒った口調のドラゴン」のような指示から、既製の声とは別の新しい声を作れる
  • 1行ごとに演技を指示できる。間の取り方・訛り・相づち（「うんうん」のような相槌）まで台本で制御
  • 数時間の長さでも声質が崩れにくい。ポッドキャストやオーディオブック向けの長時間生成に対応
  • 2人の会話を1つの台本から作れる。両者の声を自然な間合いで区別して生成

声の数は2,000種類以上です。対応言語は、モデル一覧ページに Flash TTS が130言語、Flash-Lite TTS が101言語と明記されています（出典: https://ai.google.dev/gemini-api/docs/models）。発表ページ本文の表現は「100以上の言語と方言」で、やや幅があります。この記事では、モデルごとの言語数が書かれているモデル一覧ページの数字を使いました。

開発者ドキュメントには、宣伝文句には出てこない具体的な上限も書かれています（出典: https://ai.google.dev/gemini-api/docs/speech-generation）。

  • 1回のリクエストで複数の声を演じさせられるのは、既製の声を使う場合で最大2人までです。自分で作った声や複製した声を使った多人数の会話は、1人ずつ別々に生成してつなぎ合わせる必要があります
  • カスタム音声（自分で作った声・複製した声）の保存は、プロジェクトあたり最大200個・保存期間1年です。保存しない一時利用（voice key）は7日間で消えます
  • 既定の出力は44バイトのヘッダーが付いた WAV 形式です

性能面では、Google は第三者機関のベンチマークを引用しています（出典: https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-text-to-speech/）。Gemini 3.8 Flash TTS は Hume AI の Voice Design Benchmark で総合1位（71.4点）、訛りの再現でも1位（60.8点）だとGoogleは説明しています。Overall Quality Index でも Flash TTS が1位、Flash-Lite TTS が2位だと書かれています。これらはGoogleが引用した第三者の評価で、この記事では独自に検証していません。

声を複製できない地域がある理由

声の複製は、他人になりすました音声（ディープフェイク音声）を作れてしまう機能です。そのため発表ページには、安全対策が具体的に書かれています（出典: 同上）。

  • 複製には、声の持ち主が読み上げた同意の録音が必要（本人の許可なく複製できない仕組み）
  • 生成した音声すべてに SynthID という電子透かしを埋め込む（AI生成音声だと検知できるようにする）
  • C2PA という来歴情報の規格にも対応

そのうえで、発表ページの注記には次のように書かれています（出典: 同上）。

Voice replication through AI Studio is not available in Illinois, Texas, EEA, UK, Switzerland, and India. （AI Studio 経由の声の複製は、イリノイ州・テキサス州・EEA（欧州経済領域）・英国・スイス・インドでは利用できません）

この注記は「AI Studio 経由」と明記されています。API 経由での扱いが同じかどうかは、確認した範囲の発表ページには書かれていません。日本はこの制限の一覧に含まれていませんが、料金・提供地域は変わるものなので、実際に使う前に公式ページで確認してください。

他社の最上位モデルと比べると

同じ「文章から音声を作る」機能を、OpenAI と Anthropic の公式ページで確認しました。

音声合成（TTS）モデルを3社で比べた表。専用のTTSモデル＝Geminiは2機種（Flash TTS / Flash-Lite TTS）、GPTは1機種（GPT-4o Mini TTS）、Claudeは記載なし。自分の声を複製＝Geminiは誰でも申請なしで使える（要30秒の同意録音）、GPTは限定顧客のみで要営業への問い合わせ、Claudeは—。対応言語＝Geminiは130言語（Flash-Liteは101言語）、GPTは明記なし（声は英語向けに最適化）、Claudeは—。出力の単価（100万トークンあたり）＝Geminiは6.00〜9.00ドルで2027年に2倍、GPTは12.00ドルで期限の記載なし、Claudeは—。「記載なし」「—」は機能が無いと明言されているのではなく、公式ページに書かれていない意味。
声の複製が申請なしで使えるのは、3社のうちGeminiだけです

OpenAI のモデル一覧には、音声合成専用のモデルが GPT-4o Mini TTS の1機種だけ載っています（出典: https://developers.openai.com/api/docs/models）。料金は入力（テキスト）$0.60、出力（音声）$12.00で、いずれも100万トークンあたりです（出典: https://developers.openai.com/api/docs/models/gpt-4o-mini-tts）。このモデルの最大入力トークン数は2,000トークンと明記されています（出典: 同上）。数時間の長時間生成に対応するGeminiとは、想定する使い方の規模が異なります。

モデル 提供元 入力（音声を出す文章） 出力（音声） 最大入力
Gemini 3.8 Flash TTS Google $0.50（年内） $9.00（年内） 数時間の長文に対応
Gemini 3.8 Flash-Lite TTS Google $0.50（年内） $6.00（年内） 数時間の長文に対応
GPT-4o Mini TTS OpenAI $0.60 $12.00 2,000トークン

出典: Gemini は https://ai.google.dev/gemini-api/docs/pricing、OpenAI は https://developers.openai.com/api/docs/models/gpt-4o-mini-tts

声の複製についても、両社の扱いは対照的です。OpenAI の公式ガイドには「Custom voices are limited to eligible customers. Contact our sales team to learn more.」と書かれています（出典: https://developers.openai.com/api/docs/guides/custom-voices）。OpenAI の声の複製は誰でも使えるわけではなく、対象は限定顧客のみで、利用には営業への問い合わせが必要です。制約は「組織あたり最大20声」「参照音声は30秒以下」です（出典: 同上）。この30秒という長さは、Gemini の複製に必要な参照音声の長さと同じです。

OpenAI の一般向け Text to Speech API の組み込み音声の数は、ページの章によって書き方が違います（出典: https://developers.openai.com/api/docs/guides/text-to-speech）。

  • ガイド本文：「11の組み込み音声」
  • Voice options の節：「13の組み込み音声」

同じページには「Voices are currently optimized for English」ともあります。声は今のところ英語向けに最適化されている、という意味です。対応言語数そのものは、確認した範囲では明記されていません。

Anthropic の公式モデル一覧には「All current models support text and image input, text output, multilingual capabilities, vision, and tool use.」と書かれています。audio（音声）や speech（発話）という言葉は一度も出てきません（出典: https://platform.claude.com/docs/en/about-claude/models/overview）。「記載なし」は「対応していないと明言されている」という意味ではありません。公式ページに書かれていないので、この記事では確認できなかったこととして扱っています。

どういう人に効くか

いま動かしてみるといい人

  • ゲームやオーディオブック向けに、既製の声とは違う独自キャラクターの声を作りたい人。自然文の指示で声を作れます。
  • ポッドキャストやナレーションを大量に量産したい人。Flash-Lite TTS の出力単価は前世代より最大70%安くなりました。
  • 自分の声（や許可を得た声）を複製して使いたい人。日本を含む多くの地域で、AI Studio か API から申請なしで使えます。

急がなくていい人

  • 3人以上が同時に話す場面を、1回のリクエストで作りたい人。既製の声どうしの会話でも上限は2人です。
  • 来年以降の費用を今の単価で見積もりたい人。2027年1月1日に単価が2倍になります。
  • イリノイ州・テキサス州・EEA・英国・スイス・インドから声の複製（AI Studio 経由）を使いたい人。公式に利用対象外と明記されています。

この記事で分からないこと

  • 実際に生成した音声の自然さ、日本語での聞こえ方
  • API 経由でも声の複製に地域制限があるかどうか（発表ページの注記は「AI Studio 経由」とだけ書かれています）
  • 声の細かな調整機能「Voice remixing」の中身（発表ページに "Coming soon" とあり、まだ提供されていません）

どれも運営者が試していないので、体感としては書けません。

同じ Gemini の音声系モデルには、ほかに関連記事があります。用途に応じて使い分けが必要です。

出典一覧

すべて各社の公式ページです。まとめ記事・ニュースサイト・個人ブログは1件も使っていません。

  1. Gemini 3.8 Flash TTS / Flash-Lite TTS の発表（Google・2026年9月23日）: https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-text-to-speech/ （Google DeepMind 側の https://deepmind.google/blog/say-hello-to-gemini-38-text-to-speech/ を開くと、このページへ転送されます）
  2. Gemini API の料金（Google 公式）: https://ai.google.dev/gemini-api/docs/pricing
  3. Gemini のモデル一覧（Google 公式）: https://ai.google.dev/gemini-api/docs/models
  4. Text-to-speech generation（TTS）のガイド（Google 公式ドキュメント）: https://ai.google.dev/gemini-api/docs/speech-generation
  5. モデル一覧（OpenAI 公式ドキュメント）: https://developers.openai.com/api/docs/models
  6. GPT-4o Mini TTS のモデルページ（OpenAI 公式ドキュメント）: https://developers.openai.com/api/docs/models/gpt-4o-mini-tts
  7. Text to speech のガイド（OpenAI 公式ドキュメント）: https://developers.openai.com/api/docs/guides/text-to-speech
  8. Custom voices のガイド（OpenAI 公式ドキュメント）: https://developers.openai.com/api/docs/guides/custom-voices
  9. モデル一覧と仕様（Anthropic 公式ドキュメント）: https://platform.claude.com/docs/en/about-claude/models/overview

料金と仕様は変わります。実際に使う前に、必ず上記の公式ページで現在の値を確認してください。