Gemini 3.8 Flash TTS｜広告音声の作り方

｜広告運用ノウハウ公開中！

より詳しく知りたい方は資料をダウンロード！

動画広告のナレーションは、外注すると1本ごとに費用と納期がかかります。尺を5秒変えるだけでも録り直しになるため、パターンを増やす前提の運用とは相性がよくありません。

2026年9月、GoogleがGemini 3.8 Flash TTSを発表しました。130言語に対応し、2,000種類以上の音声ライブラリを持ち、数時間のナレーションでも声質がぶれないとされています。音声1時間あたりの費用は$0.81程度です。

ここで気になるのは、本当に広告のナレーションとして使えるのかという点です。商用利用の可否、尺の扱い、媒体の仕様、そしてAI生成であることの開示。使う前に確認することがいくつかあります。

この記事では、Gemini 3.8 Flash TTSの仕様と料金を公表情報で整理したうえで、広告ナレーションに使うときの確認点、2027年1月の価格改定を踏まえた試算の考え方までをまとめます。

1. Gemini 3.8 Flash TTSとは

1-1. 公表されている仕様

2026年9月にGoogleが発表した音声合成モデルです。モデルIDは `gemini-3.8-flash-tts`、軽量版が `gemini-3.8-flash-lite-tts` です。

項目	内容
対応言語	130言語（地域アクセント・方言を含む）
音声ライブラリ	2,000種類以上
独自の声	生成・複製が可能
表現	`` `` などのインライン音声イベント
長文の安定性	数分から数時間でも声質の変化（Voice Drift）を起こさない
ディレクション	台本本文と話し方の指示を分離できる
評価	Hume AI の音声デザインベンチマークで総合1位（71.4）

公式が挙げている用途は、オーディオブック、ナレーション、複雑な2話者の会話、難しい発音です（出典：Speech generation - Gemini API）。ナレーションが用途として明記されている点が、広告で使う判断の出発点になります。

1-2. 広告で効くのは「ディレクションの分離」

機能の中で、広告制作に直接効くのは台本と話し方の指示を分けられる点です。

同じ台本で話し方だけを変えられるということは、ナレーションのトーンをパターン化できるという意味になります。落ち着いた語り、勢いのある語り、親しみのある語り。台本を書き直さずに差分を作れます。

動画広告では、同じ構成でナレーションのトーンだけ変えたパターンを比べたい場面があります。外注だと録り直しになる部分です。

2. 商用利用は認められている

2-1. 規約に準拠する限り利用できる

公表されている整理では、生成された音声の商用利用は認められています。Google CloudおよびGoogle AI Studioの利用規約に準拠している限り、自社サービスの音声案内や販売コンテンツのナレーションとして利用できるとされています。

広告のナレーションは販売コンテンツに当たるため、用途としては範囲内です。

2-2. ただし声の選び方には別の論点がある

ここで切り分けが必要です。ツールの規約上使えることと、どの声を使っていいかは別の問題です。

このモデルには独自の声を生成・複製する機能があります。実在する人物の声に似せた音声を広告に使う場合、ツールの利用規約とは別に声そのものの権利の論点が発生します。

本記事はツールの仕様と制作の流れを扱うため、この論点には踏み込みません。広告でAI音声を使うときにどこまでが許容されるかの判断は「AI音声の商用利用｜広告でどこまで使えるか」で扱っています。

3. 料金は2027年1月に2倍になる

3-1. 現在の価格と改定後

費用の見積もりで押さえるべきは、期限がある価格だという点です。

項目	2026年末まで	2027年1月から
音声1時間あたり（Flash TTS）	$0.81程度	2倍
音声1時間あたり（Flash-Lite TTS）	$0.54程度	2倍
入力（100万トークン）	$0.50	$1.00
出力（100万トークン）	$9.00	$18.00

無料枠では Flash TTS と Flash-Lite TTS を入出力とも無料で使えます。最新の単価はGemini API のPricingで確認してください。試すだけなら費用はかかりません。

3-2. 広告のナレーションは「尺」で考える

広告の尺は短いので、時間単価で見ると量が読みにくくなります。本数に換算します。

音声1時間が$0.81程度なら、15秒のナレーションは240本で1時間分です。6秒なら600本です。つまり広告のナレーションを数十本作っても、時間単価のうちのごく一部にしかなりません。

2027年1月に2倍になっても、この規模では絶対額の影響が小さいままです。費用がボトルネックになるのは、長尺のコンテンツを大量に作る場合です。

3-3. 軽量版との使い分け

Flash-Lite TTSは$0.54程度で、速度とコスト、大量生成を重視したモデルとされています。

広告の用途では、パターンを量産する工程でLite、仕上げでFlash TTSという分け方が成立します。ただし本数が少ないなら、差額が小さいので分けるメリットも小さくなります。

4. 広告に載せるときに増える確認

ツールで音声ができても、広告として配信する段で確認が必要になります。

4-1. AI生成であることの開示

自社ブログの「ショート動画広告の作り方と出し方」では、Googleの広告ヘルプの案内をこう整理しています。

Googleは広告ヘルプで、欧州連合・インド・ニューヨークのAI規制により、AIで生成または編集した特定のアセットを含む広告には、AIで作成されたことを消費者に知らせる開示情報やラベルの掲載が義務付けられていると案内しています。

対象は「AIで生成または編集した特定のアセット」です。音声アセットがこれに含まれるかは、媒体のポリシーを確認する必要があります。 画像や動画については案内が明確ですが、音声の扱いは媒体ごとに記載の粒度が違います。

あわせて、自社ブログの「AI生成広告の開示義務」ではEUの状況をこう書いています。

EU AI Actの透明性義務は、2026年8月2日にすでに適用が始まりました。

違反するとアカウント停止やポリシー違反のペナルティに直結します。

媒体別・国別の開示要件は「AI生成広告の開示義務｜Meta・Google・各国ルールを解説」で整理しています。

4-2. 媒体の音声仕様に合わせる

生成した音声は、動画に載せる段で媒体の仕様に合わせます。尺の上限、音量の基準、無音からの立ち上がり、字幕の有無。このあたりは媒体ごとに違います。

動画広告の構成設計と媒体別の制作仕様は「ショート動画広告の作り方と出し方｜設計・媒体別仕様・検証」で扱っています。

5. 運用で詰まる2点

5-1. ナレーションのパターンを増やしたが、比べ方が決まっていない

• 症状：トーンを3種類作って配信したが、どれが効いたのか分からない。動画の構成も同時に変えていたため、差がナレーション由来か構成由来かを切り分けられません。結果として「なんとなく良さそうなもの」を残し、次に活かせる判断が残らない状態になります。
• 原因：音声が差分として作りやすいために、他の要素と同時に変えてしまうためです。外注のナレーションは録り直しのコストが高いので、変えるときは構成も一緒に見直すのが自然でした。生成に切り替えると音声だけ安く差し替えられるようになるため、従来の進め方のまま回すと変更点が混ざります。
• 対策：音声だけを変えたパターンを並べることです。映像・字幕・尺・CTAをすべて固定し、ナレーションのトーンだけを3種類にします。台本本文と話し方の指示を分離できる機能があるので、台本を固定したまま指示だけ変えれば条件が揃います。比較の結果は、トーンの違いとして次の制作に引き継げます。
• 回避策：比較の単位を先に決めてから作ることです。今回の検証で知りたいのは何かを1行で書き、それ以外を固定します。音声のパターンを増やすこと自体が目的になると、本数は増えても判断材料は増えません。検証の設計を先に置くほうが、生成の回数が少なくて済みます。

5-2. 音声を差し替えたのに、着地ページが変わっていない

• 症状：ナレーションで打ち出した訴求と、遷移先のLPの見出しが合っていない。動画で「初期費用0円」と言っているのに、着地ページの第一印象は機能紹介になっている。動画の指標は改善しても、CVRが動きません。
• 原因：音声と映像は制作の対象として扱われるのに対し、遷移先は別の工程として分かれているためです。クリエイティブの差し替えサイクルは速くなっても、LPの更新は手作業なので追いつきません。結果として訴求の数だけ動画が増え、受け皿は1枚のままになります。
• 対策：ナレーションの第一声と、LPの見出しを揃えることです。動画で最初に言っていることが、着地してすぐ目に入る状態にします。訴求を3つ試すなら、遷移先も3枚用意して組で比べます。音声の生成が速くなった分を、受け皿の用意に回す形です。
• 回避策：遷移先を複製で増やせる状態にしておくことです。LPを1枚ずつ作っていると、音声や動画の生成速度に検証量が追いつきません。複製して見出しと文言だけ差し替えられる環境があれば、パターンの数に合わせて受け皿を用意できます。BtoBで動画広告を使う場合の配信設計とLPOの考え方は「BtoB動画広告とは？成果を出す配信設計とLPO改善の全体像【2026】」で扱っています。

6. Squad beyondで、音声のパターンに受け皿を合わせる

ナレーションの生成が速くなると、ボトルネックは受け皿に移ります。トーンを3種類作っても、着地するページが1枚なら読み取れるのは動画側の差だけです。

Squad beyondは、LPを複製して見出しや文言を差し替え、並行して配信しながら結果を見られるツールです。ナレーションで打ち出した訴求ごとに遷移先を用意し、組で比べるという使い方ができます。

音声は差分として作りやすい要素です。だからこそ、変える要素を1つに絞れる状態かどうかで、検証の精度が変わります。受け皿が揃っていれば、音声だけを変えた比較が成立します。

7. Gemini 3.8 Flash TTSについてよくある質問（FAQ）

8. まとめ

Gemini 3.8 Flash TTSは2026年9月にGoogleが発表した音声合成モデルです。130言語に対応し、2,000種類以上の音声ライブラリを持ち、数時間のナレーションでも声質がぶれないとされています。公式が挙げている用途にナレーションが明記されています。

商用利用は認められています。Google CloudおよびGoogle AI Studioの利用規約に準拠している限り、販売コンテンツのナレーションとして使えるとされています。ただしツールの規約上使えることと、どの声を使っていいかは別の論点です。

料金は音声1時間あたり$0.81程度ですが、2026年末までの価格で2027年1月から2倍になります。広告の尺に換算すると15秒で240本が1時間分なので、数十本の制作では絶対額の影響は小さいままです。

広告制作で効くのは、台本本文と話し方の指示を分離できる点です。台本を固定したままトーンだけ変えられるので、比較の条件を揃えやすくなります。

配信する段では、AIで生成または編集したアセットの開示が論点になります。画像や動画については案内が明確ですが、音声の扱いは媒体ごとに記載の粒度が違うため、出稿前にポリシーを確認してください。

　

Squad beyondサービス紹介資料はこちらからダウンロード