目次

Googleの公開アカウント（@Google）は、Gemini 3.8 Flash TTS向けVoice Remixingが Google AI Studio と Gemini API で利用可能になったと投稿した（https://x.com/Google/status/2118027058794148099）。投稿時刻は 2026-11-04T17:06:16Z（2026-11-05 01:06:16 Asia/Shanghai）。2,000+ のライブラリ、またはカスタム設計の声を起点に、プロンプトで timbre、pitch、pace、accent を微調整できる、とある（例：「add a subtle Southern U.S. accent」「make it sound like a fire-breathing dragon」）。同一スレッドの続投では AI Studio の 「Remix this voice」 に触れ、生成された 3 テイクを並べて試し、選んだ声をスクリプトやマルチスピーカー場面で再利用できると書く。@GoogleDeepMind は直後に同発表を転載した（2026-11-04T17:12:04Z／2026-11-05 01:12:04 Asia/Shanghai；https://x.com/GoogleDeepMind/status/2118028516948336696）—交差確認には足りるが、別の製品発表としては扱わない。DigIntoAIは Studio で Remix を押しておらず、voices API も呼んでおらず、サンプルも聴いていない。以下は公開投稿と Google の開発者ドキュメントに依る。

関連ノート: OpenAI のカスタム音声：テキスト設計と録音クローンの違い、Gemini APIの料金（2026年11月）、Gemini API、有料の新規プロジェクトで Generate Content をデフォルト保存、Google、次のフロンティアモデル「Gemini 4 Carbon」を発表。

何が届いたか（既存TTS上の機能—新モデルではない）

主題は、自然言語で既存の声を編集する Voice Remixing が、すでに出荷されている Gemini 3.8 Flash TTS 系に乗ったことだ。新しい TTS モデル ID の発表ではなく、Gemini 3.8 Flash TTS／Flash-Lite TTS 自体の置き換えでもない。

Voice remixing ドキュメントは流れを次のように書く。

  1. base_voice を選ぶ（プリビルド studio 名、Extended Voice Library の ID、または保存済みカスタム voice_...）。
  2. POST /v1beta/voices を type="prompted"、store=True、相対的な自然言語 input（年齢・ピッチ・エネルギー・timbre・アクセント・ペースなど）で呼ぶ。
  3. 新しく独立保存された voice_... ID を受け取る（任意で 24 kHz WAV の sample_audio プレビュー付き）。元の base_voice は書き換えない。

その voice_... は gemini-3.8-flash-tts と gemini-3.8-flash-lite-tts の両方で合成に使える。作成時の model は省略時デフォルトとして gemini-3.8-flash-tts が挙がる。対話入口としてドキュメントが挙げるのは Google AI Studio の generate-speech（https://aistudio.google.com/generate-speech）。

speech-generation ガイドは、シングルスピーカー TTS の声の選択肢にリミックス済み voice_... を、プリビルド声・Extended Voice Library・Voice design・Voice replication と並べて既に載せている。つまりリミックスは既存 TTS ドキュメント体系の中にあり、別モデル系統ではない。

API の形（人の言葉で）

ドキュメントの例は、プリビルド "Puck" を相対プロンプト（やや年上、温かみのある英国アクセント、落ち着いたオーディオブックのペースなど）でリミックスし、新しい voice_... を表示、任意で WAV プレビューを保存し、speech_config でその ID を使って合成する。

ドキュメントが示す主な要素:

要素役割
store=Trueprompted 声では必須。プロジェクトに保存
voice.type="prompted"remix／design 系（Voice design と同系統のエンドポイントに base_voice を足す）
prompted.base_voice元の声の名前または ID
prompted.input相対的な自然言語の編集
返る voice_...新しいリソース。Flash TTS と Flash-Lite TTS で利用可

反復リミックスも記載がある。リミックス済み voice_... を次の base_voice にできる。リミックスは新規作成であり、元を上書きしない。ドキュメントによれば、後から元を削除しても、そこから作ったリミックス声は消えない。

同ページのクォータ記述（文言どおり）: Voice remixing には Gemini API の Paid Tier（Tier 1 以上） が必要。プロジェクトあたりステートフル保存声は最大 200（design／remix／保存済み replication で共有）。保持は最終利用から 1 年で、合成や次の remix の base に使うと窓がリセットされる、とある。DigIntoAIは実プロジェクトの請求でこれらを検証していない。

プロンプト指針は、フル人物設定の再掲より相対的な変更を勧める。明示しない限り base の言語・アクセントは保たれやすい。恒常的なキャラ特性は remix、ターン単位の演技は合成時の speech_metadata.style、という分け方も書かれている。

声の数字は二層—分けて読む

公開メッセージとドキュメントは、在庫を別レイヤーで語る。

  • @Google の投稿と 9 月の製品ブログは、いずれも 2,000+ の本番向け／プリセット声の広いライブラリに触れる（投稿はカスタム設計の声からの開始も可とする）。
  • Voice remixing ドキュメントは、base_voice に約 30 のプリビルド studio 名（例: "Puck"、"Kore"、"Zephyr"）、または Extended Voice Library のカタログ ID（GET /v1beta/voices／client.voices.list()）、または プロジェクト所有の prompted voice_... を渡せる、と書く。

同じ集合を二度書いたわけではない。2,000+ は公開発表と製品ブログの広いライブラリ表現、約 30 の studio 名＋Extended Voice Library＋保存カスタムは base_voice が受け付けるものの開発者ドキュメント上の内訳、として分けて読む。DigIntoAIはライブカタログを数え上げていない。

タイムライン: ブログは Coming soon、投稿とドキュメントは利用可能

2026-09-23、Google の製品ブログ *Gemini 3.8 text-to-speech says hello* は Gemini 3.8 Flash TTS／Flash-Lite TTS を紹介し、作成・カスタム項目の Voice remixing を 「Coming soon」 と書いた—ライブラリの声を選び、プロンプトで timbre／pitch／pace／accent を調整する、という説明だ。同ページを再確認すると、Coming soon 文言は今も見え、dateModified も 2026-09-23 のまま（その行が過去形の「今すぐ利用可」に書き換わってはいない）。

いま使えるかどうかは、2026-11-04／11-05 Asia/Shanghai の @Google 投稿と、現行の Voice remixing 開発者ドキュメントに従う。9 月ブログの Coming soon 文が残っていても上線否定の根拠にはせず、9 月ページを GA 宣言に読み替えもしない。ブログは初期タイムラインと共有の 2,000+ 表現の参考に留める。

DigIntoAI がまだしていないこと

  • Google AI Studio にログインして Remix this voice を押し、3 テイクを比較していない
  • DigIntoAI から POST /v1beta/voices を呼んでいない
  • リミックス sample の聴感、アクセント、マルチスピーカー再利用を評価していない
  • remix 作成と TTS 合成の課金・クォータを測っていない
  • 9 月製品ブログから Coming soon が消えたとは書いていない

製品投稿とドキュメントは変わりうる。根拠は Google の公開投稿と Voice remixing／speech-generation ドキュメント。

早見

  1. 何か. Voice Remixing—既存の声への自然言語編集 → 新しい voice_... ID。
  2. どこ. Google AI Studio + Gemini API（@Google による）。ドキュメントは Studio generate-speech を案内。
  3. 利用可能の発表. @Google 2026-11-05 01:06:16 Asia/Shanghai（2026-11-04T17:06:16Z）。DeepMind 転載はその数分後。
  4. リミックス ID を使うモデル. gemini-3.8-flash-tts と gemini-3.8-flash-lite-tts（新モデル系統ではない）。
  5. API. POST /v1beta/voices、type="prompted"、base_voice + 相対 input、store=True。
  6. ライブラリ表現. 公開投稿／9 月ブログ: 2,000+。ドキュメント: 約 30 studio 名 + Extended Voice Library + 保存カスタム—層を分けて読む。
  7. 9/23 ブログ. Voice remixing は今も Coming soon。利用可否は投稿 + 現行ドキュメントに従う。
  8. 関連. OpenAI カスタム音声（prompt vs 録音）、Gemini API 料金、Generate Content デフォルト保存、Gemini 4 Carbon。

ひとことで

Google によると、Gemini 3.8 Flash TTS向けVoice Remixingは AI Studio と Gemini API で利用可能で、2,000+（またはカスタム）の起点から自然言語で timbre／pitch／pace／accent を調整できる。開発者ドキュメントは POST /v1beta/voices → 新しい保存済み voice_...（gemini-3.8-flash-tts／gemini-3.8-flash-lite-tts 向け、元は上書きしない）と書く。これは既存 3.8 TTS 上の機能であり、新モデル発表ではない。2026-09-23 の製品ブログは今も Coming soon を示しうる。根拠は 11 月の公開投稿と現行ドキュメント。DigIntoAIは Studio／API／聴感／課金をまだ実測していない—上記は公開ソースに従う。