
Gemini 3.8 Flash TTSとは。社内の説明資料や紹介動画の音声に使う前に決めること
2026/09/27
執筆:寺田昇平
AI Portalize株式会社 代表取締役/AI Digital Community 代表理事
仕組みとコンサルティング伴走支援の両面で、組織のAI活用の加速を支援。
「研修動画に音声を付けたいけれど、ナレーションを誰が録るのか決まらない」という相談はよく受けます。
Googleが2026年9月23日(米国時間)に発表した音声生成モデル「Gemini 3.8 Flash TTS」を使うと、台本と「落ち着いた声で、ゆっくり説明して」のような指示だけで、演技の付いたナレーションが作れるようになりました。
社内向けの説明資料やサービス紹介動画の音声を作る手段としては、かなり現実的な選択肢になったと思います。
ただ、声の複製や無料枠のデータの扱い、社外に出すときの表記など、組織で使う前に決めておきたい点もいくつかあります。
今回は、公式の発表と開発者向けのドキュメント、実際に試した人の検証をもとに、何ができるようになったのか、どこで使えるのか、社内で使う前に何を決めておくのかを、できるだけ漏れなく整理します。

Gemini Notebook(旧NotebookLM)やWorkspaceの中でのGeminiの使い分けは、Gemini for Google WorkspaceとGemini Notebookの活用法。組織で成果を出す使い分けにまとめているので、あわせて読むと位置づけがつかみやすくなります。
- Gemini 3.8 Flash TTSは、文章の指示で声と演技まで作れる
- 使える場所は4つあり、社内で配るならNotebookとVidsから考える
- 話し方は「スタイルの指示」と「タグ」の2つで決める
- 声は「既成の声」「声のデザイン」「声の複製」の3通りで用意できる
- 声の複製は、本人の同意と使える地域を先に確かめる
- 社内の説明資料は「台本、読み方、声、確認」の順で作る
- サービス紹介動画は、台本の更新と多言語で差が出る
- 向いている業務は、同じ説明を何度も繰り返す場面
- 無料枠で試すときは、入力した台本の扱いを確認しておく
- 社外に出す音声は、AIで作ったと分かる運用にしておく
- 同じ週に、対話型の音声とアバターの発表も続いている
- 導入前に確かめておきたいことを一覧にする
- 音声生成の社内ルールづくりから相談できる
- まずは社内向けの説明動画1本から試す
Gemini 3.8 Flash TTSは、文章の指示で声と演技まで作れる
今回発表されたのは、文章を読み上げる「TTS(テキスト読み上げ)」のモデルで、用途の違う2つが用意されています。
Gemini 3.8 Flash TTSは、声のデザインや2人の掛け合いのように、演技の細かい指定が必要な用途に向いたモデルです。
もうひとつのGemini 3.8 Flash-Lite TTSは、動画の吹き替えやポッドキャストのように、たくさんの音声を効率よく作る用途に向いています。
Google DeepMindの紹介ページでも、Flash TTSは「声のデザインと2人の対話」、Flash-Lite TTSは「日常的な音声生成」と、役割がはっきり分けて書かれています。
開発者向けのドキュメントでは、モデルの名前は「gemini-3.8-flash-tts」と「gemini-3.8-flash-lite-tts」です。
対応する言語は、公式ブログでは「100以上の言語と方言」とされ、ドキュメントではFlash TTSが130以上、Flash-Lite TTSが100以上と書き分けられています。
声は、すぐに使える既成の声が30種類あり、さらに言語やアクセント、性別、話し方で絞り込める拡張ライブラリが用意されています。
公式ブログでは、すぐに使える声の総数は2,000種類以上と紹介されています。
出力される音声は、標準ではWAV形式(24kHz・モノラル)で、そのまま動画編集ソフトに読み込める形です。
なお、このモデルが受け付けるのは文章だけで、返すのは音声だけです。
画像や資料を渡して「これを説明して」と頼むモデルではないので、台本はGeminiやほかのAIで先に作っておく使い方になります。
使える場所は4つあり、社内で配るならNotebookとVidsから考える
どこで使えるかは、組織で導入を考えるうえでいちばん大事な情報です。
使える場所は、開発者向けのGoogle AI StudioとGemini APIに加えて、Gemini NotebookではFlash TTSが、Google VidsではFlash-Lite TTSが、それぞれ誰でも使えると案内されています。
企業向けのGemini Enterpriseは「近日提供」の扱いなので、社内の標準ツールとして配るのは、提供が始まってから判断しても遅くありません。
では、どの場所から始めればよいのでしょうか。
それぞれの場所は、使う人と目的がかなり違います。
使える場所 | 使えるモデル | 向いている人・用途 |
|---|---|---|
Google AI Studio | Flash TTS/Flash-Lite TTS | まず試したい人、声のデザインを作る人 |
Gemini API | Flash TTS/Flash-Lite TTS | 社内ツールに組み込む開発者 |
Gemini Notebook | Flash TTS | 資料から音声の解説を作りたい人 |
Google Vids | Flash-Lite TTS | 動画にナレーションを付けたい人 |
Gemini Enterprise | 近日提供 | 企業としてまとめて使う場合 |
Gemini Notebookでは、アップロードした資料をもとに、AIの話し手が内容を解説する「音声解説」を作れます。
音声解説には、2人で掘り下げる標準の形式に加えて、1人で2分以内にまとめる形式、内容を評価する形式、賛否を議論する形式の4つがあり、80以上の言語で作れます。
作った音声は、リンクでの共有や、音声ファイルとしてのダウンロードができます。
また、WorkspaceのEnterpriseやEducationのアカウントでは、ノートブックの一般公開ができない設定になっているので、社外に漏れにくい形で使えます。
Google Vidsは、動画を作りながらそのままナレーションを付けられるので、サービス紹介動画や操作説明の動画を作る部署にとっては、いちばん手が届きやすい場所です。
動画そのものを作るAIの選び方と、商用利用の確かめ方は、動画生成AIの比較と選び方。KlingやSeedanceを社内の動画制作で使う前に決めることにまとめています。
話し方は「スタイルの指示」と「タグ」の2つで決める
このモデルの特徴は、同じ台本でも、話し方を細かく指定できるところです。
指定の仕方は2つあり、発話ごとの雰囲気を文章で指示する方法と、台本の中にタグを入れて一瞬の音を加える方法です。
雰囲気の指示には、ドキュメントの例で「明るく親しみやすく」「急いでささやくように」「息を切らして」のような言葉が使われています。
台本の中に入れるタグは、せき、ため息、息づかい、笑い、短い間、長い間、息をのむ音、せき払いなどがあります。
社内の説明資料で使うなら、派手な演技より「落ち着いて、区切りごとに少し間を空けて」のような指示と、短い間のタグを使う程度がちょうどよいと思います。

また、既成の声を使う場合は、1回の生成で2人まで話し手を分けられます。
新人と先輩の会話形式で制度を説明する、のような台本がそのまま音声になるので、説明を一方的な読み上げにしないで済みます。
実際の操作感は、KEITOさんがYouTubeで公開しているGemini 3.8 Flash TTSとChatGPT Voiceの検証動画が分かりやすいです。
動画では、AI Studioでモデルを選んで台本を入れるだけで、かなり自然な日本語の読み上げが出ています。
また、話し方の指示を書き換えたり、文中に「笑い」「ため息」のタグを入れたりすると、同じ台本でも雰囲気ががらりと変わります。
話し手の欄に「男性の声」と書くだけで声が切り替わる様子も紹介されていて、文章で指示するだけで試せる手軽さがよく分かります。
声は「既成の声」「声のデザイン」「声の複製」の3通りで用意できる
声の用意の仕方は3通りあり、組織として気をつける点がそれぞれ違います。
既成の声は、先ほどの30種類と拡張ライブラリから選ぶ方法で、実在の人の声ではないので、社内で使うときの手続きはいちばん軽く済みます。
声のデザインは、「明るい日本人女性」「落ち着いた中年男性の案内役」のように文章で説明して、新しい声を作る方法です。
KEITOさんの動画では、文章で指示すると候補が3つ出てきて、選んだ声が「カスタムボイス」として保存されていました。
作った声はIDで管理され、保存する設定なら1つのプロジェクトで200件まで、1年間使えます。
保存しない設定の場合は、7日で使えなくなります。
部署ごとに「うちの声」を決めて使い回すなら、誰がどの声を作ったのかを台帳にしておかないと、1年後に同じ声が使えなくなって慌てることになります。
声の複製は、実在の人の声を30秒の音声サンプルから再現する方法で、次の節で詳しく見ます。

声の複製は、本人の同意と使える地域を先に確かめる
いちばん注意が必要なのは、実在の人の声を再現する「声の複製」の機能です。
公式の案内では、声の持ち主本人が同意を読み上げた録音が必要とされ、作った音声には聞こえない電子透かし(SynthID)と、AIで作ったことを示す情報(C2PA)が埋め込まれます。
また、AI Studioでの声の複製は、EEA・英国・スイス・インドと、米国のイリノイ州・テキサス州では使えません。
海外拠点がある組織では、日本で作った音声を現地で使えるかどうかまで確かめておく必要があります。
KEITOさんの動画でも、撮影時点では自分の声の登録がエラーになり、まだ試せていないと話されていました。
提供が始まったばかりの機能なので、業務の予定に組み込むのは、実際に動くことを確かめてからにしたほうが安全です。
「社長の声で年頭メッセージを作りたい」という使い方は魅力的です。
ただ、本人の同意の取り方と使ってよい用途は、試す前に書面で決めておくのが安全です。
書面には、誰の声を、どの用途に、いつまで使ってよいか、退職や異動のあとはどう扱うかまで入れておくと、あとで揉めません。

社内の説明資料は「台本、読み方、声、確認」の順で作る
社内向けの説明資料に音声を付けるときは、いきなり音声を作るより、台本を固めるところに時間をかけたほうが仕上がりが安定します。
まず、元になる資料からGeminiなどで台本を作り、話し言葉として自然かどうかを人が読んで直します。
次に、社名や製品名、社内の略語のように読み間違えやすい言葉を洗い出し、台本の中ではふりがなや読み方の書き換えで対応します。
そのうえで声と話し方を決め、1本作ったら、内容を知っている人が最後まで聞いて確認します。
音声は文字より見直しに時間がかかるので、確認する人と確認の観点を最初に決めておくと、作るたびに迷わずに済みます。
制度や手順が変わったときは、台本を直して音声を作り直すだけで済むので、録り直しの手間がなくなります。
そのため、台本は音声ファイルと一緒に保存し、どの版の台本から作った音声なのかを分かるようにしておきます。

操作説明の動画づくりそのものは、動画を渡すだけで業務が変わる。マニュアル化と書類デジタル化の内製で扱った手順と組み合わせると、画面の録画から音声付きの説明動画まで一連で作れます。
台本の作り方や読み方の指示は、自分の資料で何度か試して身につく部分です。Gemini を自分の業務で使えるようにする法人向けの Gemini研修では、受ける人の業務の資料を題材にして練習します。
サービス紹介動画は、台本の更新と多言語で差が出る
営業やマーケティングが使うサービス紹介動画は、音声生成の効果がいちばん分かりやすい領域です。
機能が増えたり料金が変わったりするたびに録り直していた動画も、台本を直せばその日のうちに新しい音声に差し替えられます。
2人の掛け合いで紹介する形式にすれば、「お客さまの質問に担当者が答える」ような構成も、話し手を分けてそのまま作れます。
多言語に対応しているので、同じ台本から英語や中国語の音声を用意し、海外向けの資料や展示会の映像に使う方法も考えられます。
もちろん、社外に出す動画は社内向けより確認の手間を多めに取る必要があり、その点は後の節でまとめます。
向いている業務は、同じ説明を何度も繰り返す場面
組織の中で効果が大きいのは、同じ内容を何度も説明している場面です。
例えば「新しく入った人向けの制度説明」や「社内システムの操作説明」は、台本さえ決まれば毎回同じ音声で届けられます。
ほかにも、次のような業務が向いています。
年に一度の研修やコンプライアンス研修の導入部分
社内ポータルや社内報に載せる、長い文書の音声版
営業資料やサービス紹介動画のナレーション
海外拠点や外国籍の社員向けに、同じ内容を別の言語で届ける案内
Gemini Notebookで作る、会議資料や調査資料の音声解説
逆に、発言の責任が個人に強く結びつく経営メッセージや、お客さまへの謝罪のような場面は、合成音声に置き換えないほうがよいと思います。
無料枠で試すときは、入力した台本の扱いを確認しておく
料金の考え方は、組織で使い続けるかどうかの判断に直結します。
Gemini APIには無料枠があり、有料枠の料金は100万トークンあたり、次のとおりです。
モデル | 入力(テキスト) | 出力(音声) | 2027年1月1日から |
|---|---|---|---|
Gemini 3.8 Flash TTS | 0.50ドル | 9.00ドル | 入力1.00ドル・出力18.00ドル |
Gemini 3.8 Flash-Lite TTS | 0.50ドル | 6.00ドル | 入力1.00ドル・出力12.00ドル |
ただ、2027年1月1日からは、どちらも入力・出力ともに2倍の料金になると料金ページに書かれています。
今の料金で試算して予算を組むと、年明けに想定の倍になるので、社内の稟議では2027年以降の料金で計算しておくのが安全です。
もうひとつ見落としやすいのが、無料枠で入力した内容は製品の改善に使われ、有料枠では使われないという違いです。

社内の制度説明や未発表のサービス紹介の台本を無料枠に入れると、その扱いの差がそのまま情報管理の問題になります。
無料版と法人版とAPIの違いは、AIに入力した情報は学習される?無料版・法人版・APIの違いを整理で整理しているので、どの台本をどこで作ってよいかを決める材料にしてください。
利用が広がってきたら、AI利用の従量課金をコスト設計する。予算とガードレールの決め方の考え方で、部署ごとの上限も先に置いておきます。
社外に出す音声は、AIで作ったと分かる運用にしておく
社内向けと社外向けでは、決めておくことの重さが変わります。
社外に出すサービス紹介動画では、「この音声はAIで生成しています」のような表記を入れるかどうかを、先に方針として決めておきます。
電子透かしが入るとはいえ、聞いた人がそれを知る手段はないので、表記の有無は組織として判断する必要があります。
実在の人の声に似せた音声や、声優の声を思わせる音声は、たとえ技術的に作れても、使ってよいかは別の問題です。
また、Google Vidsの「AIナレーション」は、2026年4月の案内で、初期状態で有効になっていて、管理者がドメイン単位でオフにできるとされています。
社内ルールより先に「使える状態」が来ているので、AI利用ガイドラインに音声生成の項目を足すところから始めると進めやすくなります。
足しておきたい項目は、次のとおりです。
使ってよい声の種類(既成の声とデザインした声だけ、複製は申請制、など)
台本を作ってよい場所(無料枠に社外秘の台本を入れない)
社外に出す音声の表記と、公開前の確認者
デザインした声と台本の保管場所と、管理する人
ガイドラインそのものの作り方は、生成AIの社内ルールの作り方。ガイドラインの項目サンプルと守れる環境で扱っています。
同じ週に、対話型の音声とアバターの発表も続いている
音声まわりの発表は、Gemini 3.8 Flash TTSだけではありません。
Googleは9月24日に、話しながらその場で作業を進める音声対話のモデル「Gemini 3.8 Live」と、それに映像のアバターを組み合わせる「Live Avatar」を発表しています。
スマホのアプリで画面やカメラを見せて相談する機能は、Gemini Liveの使い方。画面やカメラを見せて相談するときの社内ルールにまとめています。
Live Avatarは、口の動きと表情をそろえた映像で会話でき、97の言語に対応していて、Gemini EnterpriseのAPIから使えます。
用途としては、顧客対応や操作の案内が挙げられていて、生成された音声と映像にはSynthIDの透かしが入ります。
ただ、独自のアバターを作る機能は企業ごとの許可制なので、すぐに社内で試せるものではありません。
また、OpenAIもChatGPTの音声機能を更新し、Webとスマートフォンのアプリでも、音声の会話の中で接続済みのアプリを使って作業を頼めるようになっています。
KEITOさんの動画では、ChatGPTに声でGmailの支払いメールを探させたり、スライドを作らせたりする様子が紹介されていました。
一方で、KEITOさん自身は「仕事で音声の会話を使う場面はそれほど多くない」という評価で、音声生成のほうがコンテンツづくりで使いどころがはっきりしていると話しています。
組織として先に手を付けるなら、対話よりも、説明資料や動画の音声づくりのほうが成果を測りやすいと思います。
導入前に確かめておきたいことを一覧にする
結局のところ、使い始める前に何を決めておけばよいのでしょうか。
ここまでの内容を確認事項としてまとめると、次のようになります。
どの場所で使うか(AI Studio、API、Gemini Notebook、Google Vidsのどれか)
最初に作る1本と、その確認者
使ってよい声の種類と、声の複製を認めるかどうか
台本を作ってよい場所と、無料枠に入れてよい情報の範囲
デザインした声のIDと台本の保管場所
2027年以降の料金で見た予算と、部署ごとの上限
社外に出すときの表記と、公開前の確認の流れ
Google VidsのAIナレーションを、管理者設定でどう扱うか
すべてを最初からそろえる必要はありません。
ただ、声の複製と無料枠の扱いの2点だけは、誰かが試し始める前に決めておくのが安全です。
音声生成の社内ルールづくりから相談できる
音声生成のような新しい機能は、ルールが決まらないうちに一部の人だけが使い始め、そのまま止まってしまうことがよくあります。
私たちのAI活用の伴走支援では、新しい機能を社内で使い始めるときの利用ルールづくりから、業務への組み込みと定着までを一緒に進めています。
まずは社内向けの説明動画1本から試す
Gemini 3.8 Flash TTSで、「ナレーションを録る」という手間はほぼなくなりました。
その代わりに、誰の声を使ってよいか、どの台本をどこに入れてよいか、社外に出すときにどう表記するかを、組織として決めておく必要が出てきています。
最初の1本は、社外に出ない制度説明や操作説明の動画から作ってみて、社内ルールもそこで一緒に固めていくのがよいと思います。
すぐ使える業務アプリが300以上
開いてそのまま使えて、AIで自社用にも直せます。15の分野から、やりたい作業で探せます。業務アプリを見る
執筆:寺田昇平
AI Portalize株式会社 代表取締役/AI Digital Community 代表理事
仕組みとコンサルティング伴走支援の両面で、組織のAI活用の加速を支援。
お知らせ・組織AI推進ノウハウ一覧












