Googleが音声生成AI「Gemini 3.8 Flash TTS」を公開｜福岡の店舗が案内音声・動画ナレーションに使う前に決めること

「店内の案内放送や動画のナレーションを、毎回自分の声で録り直すのが大変で」という相談を、天神で小売店を営む方から受けました。福岡でAI導入を支援しているKOKORASHI AI（ココラシエーアイ）の野村です。

2026年9月23日、Googleが文章を音声に変えるAI「Gemini 3.8 Flash TTS」と「Gemini 3.8 Flash-Lite TTS」を公開しました。結論から言うと、案内放送・動画ナレーション・多言語の読み上げを、録音なしで用意できる選択肢が一段と現実的になりました。ただし「声の複製」機能は、社内の扱いを決めてから使うべきです。本記事では公式発表で確認できた事実と、福岡の事業者が使う前に決めておきたい点を整理します。

Gemini 3.8 Flash TTSで発表された内容

Googleの公式ブログで確認できた主な内容は次のとおりです。

• 2つのモデル：表現力を重視した「Flash TTS」と、低コストで大量の音声を作る用途向けの「Flash-Lite TTS」
• 提供先：Gemini APIとGoogle AI Studioで提供開始。Flash TTSはGemini Notebook、Flash-Lite TTSはGoogle Vidsでも利用可能。企業向け版は「近日提供」と案内
• 声と言語：2,000種類以上の音声、100以上の言語・方言に対応。日本語も対象言語に含まれる
• 声の設計：文章で声の特徴を指示して、オリジナルの声を作れる。1行ごとに話す速さや感情を指定でき、2人の掛け合いにも対応
• 声の複製：30秒の音声サンプルから声を再現。声の持ち主本人による口頭の同意確認が必須で、EEA・英国など一部の国と地域では利用不可
• 透かし：生成した音声にはSynthIDの電子透かしとC2PAの来歴情報が埋め込まれる

料金は公式ブログでは触れられていません。業務で使う前に、Gemini APIの料金ページで最新の金額を確認してください。

福岡の店舗・事業者で役立つ3つの場面

相談を受けていて、音声生成AIが合いそうだと感じる場面は主に3つです。

• 店内・施設の案内放送：閉店時間のお知らせ、混雑時のお願い、セールの告知など。原稿を直すだけで音声を作り直せます
• SNS・YouTube動画のナレーション：商品紹介やお店の紹介動画。自分の声を出したくない方にも向いています
• インバウンド向けの多言語案内：博多駅周辺や中洲の飲食店では、英語・中国語・韓国語での案内を求める声をよく聞きます。日本語の原稿をAIで翻訳し、音声化まで続けて進められます

私がいつもお伝えするのは、「まず1本、使い道がはっきりした音声から作る」ことです。例えば閉店前の案内放送だけを作り替え、お客様の反応やスタッフの手間を確かめてから広げる。小さく始めれば、合わなかったときの損失も小さく済みます。

「声の複製」機能を使う前に決めておく3つのこと

30秒の音声から声を再現できる機能は便利な反面、使い方を誤ると信用を落とします。当ブログでも、社長の声を模倣したAIなりすまし詐欺への注意を取り上げました。自社で声の複製を使う場合は、次の3点を先に決めてください。

• 誰の声を使うか：代表者本人か、スタッフか。スタッフの声を使うなら書面でも同意を残し、退職時の扱いも決める
• 何に使うか：案内放送や動画のナレーションに限定し、電話や送金に関わる連絡には使わない
• AI音声だと明示する方法：動画の概要欄や店内の掲示に「AI音声を使用しています」と書く

Googleは同意確認と透かしを仕組みとして用意していますが、社内ルールまでは作ってくれません。「代表の声のAIは、電話と振込の話には使わない」と社内で共有しておくだけでも、なりすまし被害の予防線になります。

試すときの5つの手順（Google AI Studioを使う場合）

• 手順1：読み上げたい原稿を1本用意する。案内放送なら30秒ほどで読み終わる長さが目安
• 手順2：Google AI Studioで音声生成モデルを選び、既存の声を何種類か試聴する
• 手順3：「ゆっくり、明るく」など読み方の指示を加えて聞き比べる
• 手順4：スタッフ2〜3人に聞いてもらい、聞き取りやすさを確認する
• 手順5：業務で使う場合は、APIの料金と利用規約を確認してから本番に回す

固有名詞の読み間違いは起こりえます。店名や「呉服町」「香椎」のような地名は、原稿をひらがなで書くなどして読み方を指定し、必ず耳で確認してください。

音声生成AIと電話の一次対応は分けて考える

「音声が作れるなら、電話対応もAIに任せられますか」という質問もよくいただきます。Flash-Lite TTSは用途に音声エージェントも挙げていますが、電話の一次対応には聞き取り・回答内容の管理・人への引き継ぎといった仕組みが別に必要です。読み上げ音声の品質が上がったことと、電話対応をまるごと任せられることは分けて考えましょう。

KOKORASHI AIでは、LINEやWebのAIチャットで問い合わせの一次対応を整えるところから始めることが多いです。文字で回答内容を固めておけば、後から音声に広げるときにも同じ回答データを使えます。

まとめ

• 2026年9月23日、Googleが「Gemini 3.8 Flash TTS」「Gemini 3.8 Flash-Lite TTS」を公開。100以上の言語・方言、2,000種類以上の声に対応
• 案内放送・動画ナレーション・多言語案内を、録音なしで作れる選択肢が広がった
• 声の複製は、使う人・用途・AI音声の明示方法を先に決める
• 電話の一次対応には別の仕組みが必要。まずは文字の回答データを整えるのが近道

音声AIの使いどころを一緒に整理したい方は、お気軽にご相談ください。KOKORASHI AIは初期費用0円・月額4,800円（税込）からAIチャットの導入をお手伝いしています。

よくある質問

Q. Gemini 3.8 Flash TTSは日本語に対応していますか？
対応しています。Googleの公式発表では100以上の言語・方言に対応し、日本語も対象言語として挙げられています。店名や地名は読み間違いがありえるので、必ず耳で確認してください。

Q. Gemini 3.8 Flash TTSとFlash-Lite TTSは何が違いますか？
Flash TTSは表現力を重視したモデルで、動画ナレーションや朗読などに向いています。Flash-Lite TTSは低コストで大量の音声を作る用途向けで、吹き替えや音声エージェントなどが想定されています。

Q. 社長の声をAIで複製して店内放送に使っても大丈夫ですか？
本人の同意があれば技術的には可能ですが、使う用途を案内放送や動画に限定し、電話や送金の連絡には使わないと社内で決めておくことをおすすめします。AI音声であることの明示も検討してください。