- URL: https://youtube.com/watch?v=1a91FIjDPSY
- チャンネル: KEITO【AI&WEB ch】（登録21.1万）
- 投稿日: 2026-09-25 / 26分 / 3.4万再生
- スコア: 75/100（関連性20・鮮度25・信頼性15・深度15）
- 裏取り: ai.google.dev の pricing / speech-generation（2026-09-26 取得）
## 主要な発見
- Gemini 3.8 Flash TTS（`gemini-3.8-flash-tts`・130超言語）と Flash-Lite TTS（`gemini-3.8-flash-lite-tts`・100超言語）。AI Studio と Gemini API で使える
- 動画の感情表現・声のデザイン（説明文から声を作る）は公式の Voice design（`POST /v1beta/voices` type=prompted）。自分の声の複製（Voice replication）は動画内ではエラーで試せず
- ChatGPT Voice は音声で頼むとプラグイン経由でメール検索やスライド作成まで実行。Web・スマホでも使えるようになったと紹介（公式発表は今回未確認）。投稿者自身は「仕事では音声入力＋Codexのほうが速く、会話の使い所は少ない」と評価
## 動画の誤り・欠落（公式で検算）
- 概要欄の「Gemini 3.5 Flash TTS」は誤記。正しくは 3.8（公式料金表・タイトル・目次とも 3.8）
- 「約0.81ドル／約0.54ドル」は単位が言われていない。公式の音声は 25トークン/秒なので**音声1時間あたり**の値（$9×90,000/1M=$0.81、Lite $6→$0.54）。「1Mトークン約9ドル/6ドル」は出力（音声）単価
- 値上げは公式どおり: 2026-12-31 までが導入価格、2027-01-01 から約2倍（Flash TTS 出力 $9→$18 /1M）
- 字幕の `[ため息]` 表記は API 仕様ではない。公式は `
- 「音声AIランキング2位・日本語1位」はランキングサイト名が出ておらず未検証
## Fusion（合意・矛盾・盲点・独自洞察）
- 合意: モデル名・2モデル構成・言語数・2027年の値上げは動画と公式で一致
- 矛盾: 料金の単位（動画は単位なし、公式は1Mトークン/10秒あたり）
- 盲点: 無料枠は「Used to improve our products: Yes」（送った文章が学習に使われうる）。有料枠は No。機密文書の読み上げは有料キーで
- 独自洞察: 価値の核は「英語UIのAI Studioを捨てて、日本語プリセットの自作ツールで回す」こと。ツール自体は小さく作れる
## 実装（段2まで到達）
- `tools/gemini-tts/tts.py`（ai-base#909 / PR #910）: 日本語プリセット7種・日本語タグ16種→公式タグ・台本（話者: セリフ）で複数話者・--dry-run。標準ライブラリのみ
- 実 API で 1人 7.7秒 / 2人 8.1秒 の WAV を生成。Gemini で書き起こして、本文は逐語どおり・`
- 未確認: 2人の声が本当に別か（耳での確認が必要）
## アクションアイテム
- 解説アニメ・紙芝居のナレーションは `tts.py -f 台本 --cast` で作れる
- 2027-01-01 の値上げ前後で原価を見直す