最終更新: 2026年10月13日

Gemini 3.8 Flash TTS：料金、ボイス、API ガイド

Google は 2026年9月23日に Gemini 3.8 Flash TTS と Gemini 3.8 Flash-Lite TTS をリリースしました。Flash TTS はナレーション、オーディオブック、キャラクターボイス向けの表現力豊かなモデル、Flash-Lite TTS は吹き替えや音声エージェント向けの安価なモデルです。このページでは、1 時間あたりの料金、ボイス、コード、そして実装前に知っておくべき制限をまとめます。

Gemini 3.8 Flash TTS の概要

出典: Gemini 3.8 Flash TTS モデルページ

出典: Google TTS 発表ブログ

Gemini 3.8 Flash TTS の料金

音声出力は 1 秒あたり 25 トークンで課金されるため、1 時間あたりの料金は簡単に計算できます。ローンチ価格は 2026年12月31日まで、通常価格は 2027年1月1日から適用されます。

1 時間あたりの金額は Google のトークン単価から私たちが計算したもので、わずかなテキスト入力のコストは含めていません。無料枠は両モデルに対応しています。無料枠の入力は Google の製品改善に使われる場合があります。

出典: Gemini API 料金ページ

Python のコード例

1. Google AI Studio でキーを作成し、GEMINI_API_KEY として保存する。
2. pip install -U google-genai を実行する。
3. 読み上げる言葉は text に、話し方（感情、速さ、トーン）はテキストではなく style アノテーションに書く。
4. ボイスを選び、base64 の音声を .wav ファイルに書き出す。

# pip install -U google-genai
import base64
from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-3.8-flash-tts",
    input=[{
        "type": "user_input",
        "content": [{
            "type": "text",
            "text": "Have a wonderful day! <short pause> See you tomorrow.",
            "annotations": [{"type": "speech_metadata", "style": "cheerful and friendly"}],
        }],
    }],
    response_format={"type": "audio"},
    generation_config={"speech_config": [{"voice": "Kore"}]},
)

with open("out.wav", "wb") as f:
    f.write(base64.b64decode(interaction.output_audio.data))

出典: 音声生成ドキュメント

curl のコード例

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-3.8-flash-tts",
    "input": [{
      "type": "user_input",
      "content": [{
        "type": "text",
        "text": "Have a wonderful day!",
        "annotations": [{ "type": "speech_metadata", "style": "cheerful and friendly" }]
      }]
    }],
    "response_format": { "type": "audio" },
    "generation_config": { "speech_config": [{ "voice": "Kore" }] }
  }' | jq -r '[.steps[] | select(.type=="model_output") | .content[] | select(.type=="audio")] | last | .data' \
     | base64 --decode > out.wav

出典: 音声生成ドキュメント

2 人の話者による対話とインラインキュー

speech_config で各話者の名前を一度指定し、各ターンに話者と任意の style をタグ付けします。短い音はテキスト内にインラインで書きます：<laughs>、<sigh>、<gasp>、<short pause>、そして |mhm| や |yeah| のような相づち。

# Two speakers in one request (the most a request allows with prebuilt voices)
generation_config={"speech_config": {"speakers": [
    {"speaker": "Host", "voice": "Kore"},
    {"speaker": "Guest", "voice": "Puck"},
]}}

input=[{"type": "user_input", "content": [
    {"type": "text", "text": "Welcome back to the show. <laughs> Big week.",
     "annotations": [{"type": "speech_metadata", "speaker": "Host", "style": "warm, upbeat"}]},
    {"type": "text", "text": "|mhm| It really was.",
     "annotations": [{"type": "speech_metadata", "speaker": "Guest", "style": "relaxed"}]},
]}]

テキストは台本としてそのまま読まれるため、テキスト内に書いた演出指示が声に出して読まれることがあります。指示は style に入れてください。

出典: 音声生成ドキュメント

出典: Google TTS 発表ブログ

ボイス、ボイスデザイン、ボイスクローン

• Kore、Puck、Zephyr、Charon など 30 種類のプリセットボイスに加え、地域のアクセント（メキシコのスペイン語、ケベックのフランス語、スコットランド英語など）を備えた 2,000+ の本番用ボイスの拡張ライブラリがあります。
• ボイスデザイン：役割、アクセント、キャラクターなどを普通の言葉で説明してボイスを作り、保存して再利用できます。
• ボイスの複製：約 30 秒のサンプルから声をクローンできます。同意確認、SynthID の透かし、C2PA の来歴情報が付きます。
• AI Studio では、イリノイ州、テキサス州、EEA、英国、スイス、インドでボイスの複製は利用できません。

出典: Google TTS 発表ブログ

出典: Gemini 3.8 Flash TTS モデルページ

品質はどうか？

Google は Hume AI の Voice Design Benchmark を引用しており、Flash TTS は総合 71.4、アクセント再現 60.8 で 1 位、Hume の総合品質インデックスでは 1 位と 2 位（Flash、次いで Flash-Lite）です。Voice Arena のブラインドテストでは、日本語、ブラジルポルトガル語、ベトナム語、アラビア語、メキシコのスペイン語、ヒンディー語で両モデルが上位に入っています。これらはベンダーが引用した結果なので、選ぶ前に自分の台本で聞き比べてください。

出典: Google TTS 発表ブログ

Flash TTS と Flash-Lite TTS、どちらを選ぶ？

• Flash TTS. オーディオブック、ポッドキャスト、広告、ゲームキャラクターなど、価格より話し方の質が重要な用途。
• Flash-Lite TTS. 音声エージェント、吹き替え、大量の通知音声。1 時間あたり約 3 分の 1 安くなります。
• どちらも不向き. リアルタイムの双方向音声会話。TTS モデルは対応していないため、Google の Live API モデルを使ってください。

Gemini 3.8 Flash API ガイド · 全モデルの料金

出典: Google TTS 発表ブログ

出典: Gemini 3.8 Flash TTS モデルページ

本ページは独立したガイドであり、Google および Anthropic とは一切関係ありません。料金やベンチマークは変わることがあるため、予算を決める前にリンク先の公式ページを確認してください。