Gemini API Preise für TTS: Was Flash und Flash-Lite kosten

Die Gemini API Preise für Gemini 3.8 Flash TTS beginnen im Standard-Tarif bei $0.0135 pro generierter Minute. Flash-Lite kostet $0.009 pro Minute. Das sind reine Ausgabekosten bis zum 31. Dezember 2026. Am 1. Januar 2027 will Google beide Preise verdoppeln – in ein Produktionsbudget gehören deshalb schon heute beide Werte.

Gemini 3.8 Flash TTS und Gemini 3.8 Flash-Lite TTS sind am 23. September 2026 erschienen. Alle folgenden Tarife habe ich am 24. September 2026 mit der aktuellen Preisseite der Gemini Developer API von Google abgeglichen. Anschließend habe ich die von Google dokumentierten 25 Audio-Token pro Sekunde in generierte Minuten und Stunden umgerechnet.

Gemini API Preise für Gemini 3.8 TTS im Überblick

Am günstigsten ist Flash-Lite mit Batch oder Flex: bis zum 31. Dezember 2026 fallen $0.0045 pro generierter Minute an. Für interaktive Produktionsabläufe ist Flash-Lite Standard mit $0.009 pro Minute die vernünftige Voreinstellung. Der Aufpreis für das vollständige Flash-Modell lohnt sich, wenn Klangtreue, schwierige Aussprachen, Dialekte oder schauspielerische Regie den Unterschied rechtfertigen.

Alle Zeitangaben in der Tabelle sind berechnet und nicht einer gemessenen Rechnung entnommen. Sie erfassen ausschließlich die erzeugte Audioausgabe. Zusätzlich können Text-Token für die Eingabe, Cache-Lesezugriffe und Cache-Speicherung berechnet werden.

Gemini 3.8 TTS: Kosten pro Minute und Stunde

Sobald die Abrechnungseinheit klar ist, wird die Rechnung einfach: Google zählt 25 Audio-Token pro Sekunde. Eine generierte Minute entspricht damit 1,500 Audio-Token, eine generierte Stunde 90,000 Audio-Token.

Für Flash Standard bis zum 31. Dezember gilt:

• Eine Minute: 1,500 geteilt durch 1,000,000, multipliziert mit $9.00 = $0.0135.
• Eine Stunde: 90,000 geteilt durch 1,000,000, multipliziert mit $9.00 = $0.81.
• Eintausend generierte Stunden: $0.81 multipliziert mit 1,000 = $810.

Bei Flash-Lite Standard wird der Audiopreis von $9.00 durch $6.00 ersetzt. Daraus ergeben sich $0.009 pro Minute, $0.54 pro Stunde und $540 pro 1,000 Stunden. Ab dem 1. Januar 2027 kosten dieselben Volumen $0.018 pro Minute, $1.08 pro Stunde und $1,080 pro 1,000 Stunden.

Das reproduzierbare Rechenschema lautet:

1. Audioausgabe: generierte Sekunden mit 25 multiplizieren, durch 1,000,000 teilen und mit dem Preis für die Audioausgabe multiplizieren.
2. Texteingabe: die von der Anfrage zurückgemeldete tatsächliche Zahl der Eingabe-Token durch 1,000,000 teilen und mit dem Preis für die Texteingabe multiplizieren.
3. Cache-Lesezugriffe: die tatsächlichen zwischengespeicherten Eingabe-Token durch 1,000,000 teilen und mit dem Preis für Cache-Lesezugriffe multiplizieren.
4. Cache-Speicherung: zwischengespeicherte Token mit der Speicherdauer in Stunden multiplizieren, durch 1,000,000 teilen und mit dem Speicherpreis multiplizieren.

Text-Token sollten nicht aus der Audiodauer geschätzt werden. Maßgeblich ist der Eingabewert, den die API zurückgibt. Weist der Nutzungsdatensatz neben 100 generierten Stunden exakt 1,000,000 Texteingabe-Token im Standard-Tarif aus, kostet Flash derzeit $81.50: $81 für Audio plus $0.50 für Text. Bei Flash-Lite sind es $54.50. Ab dem 1. Januar steigen diese Summen auf $163 beziehungsweise $109.

Die Trennung ist wichtig: Ein kurzes Skript kann eine langsame Darbietung mit vielen Pausen erzeugen, während ein dichter Text schnell gesprochen werden kann. Google erfasst das Skript und das erzeugte Audio getrennt.

Gemini Flash-Lite TTS: Wann sich Lite rechnet

Flash-Lite ist die bessere Wahl, wenn die Stimme ein Baustein der Produktion und nicht deren zentrale Darbietung ist. Googles TTS-Modellübersicht empfiehlt es für Produktionen mit hohem Volumen, Vorlesefunktionen, Voice-Agent-Kaskaden, Stimmreplikation und gewöhnliche Sprache mit einem Sprecher. Das Modell unterstützt 101 Sprachen und verwendet dasselbe API-Schema wie das vollständige Flash-Modell.

Das vollständige Flash ist die Kreativstufe. Google positioniert es für maximale Klangtreue, nuanciertes Schauspiel, schwierige Aussprachen, regionale Dialekte, komplexe Dialoge mit mehreren Sprechern und stabile Langform-Erzählungen in 130 Sprachen. Die Standard-Ausgabe kostet bis zum 31. Dezember $0.27 mehr pro generierter Stunde als Lite, ab dem 1. Januar beträgt der Abstand $0.54.

Entscheidend ist ein hörbarer Mangel, nicht das Prestige des Modells. Zunächst laufen dasselbe freigegebene Skript und dieselbe Stimmregie durch Lite. Verfehlt eine Aussprache, ein Dialekt, eine Figurenleistung oder eine längere Szene den Qualitätsmaßstab, genügt es, den Modellparameter zu wechseln und nur diese Passage mit Flash neu zu erzeugen. Da beide Modelle dieselbe Prompt-Struktur nutzen, sind keine zwei Produktionssysteme nötig.

Standard, Batch, Flex oder Priority auswählen

Die Wahl des Service-Tarifs richtet sich nach Frist und Fehlertoleranz. Der Tarif bestimmt, wie dieselbe Modellanfrage eingeplant und abgerechnet wird.

Standard ist die Voreinstellung für die tägliche Produktion. Der Dienst arbeitet synchron, antwortet normalerweise innerhalb von Sekunden bis Minuten und wird zum vollen Preis abgerechnet. Das passt für Redaktionen, die einzelne Zeilen probehören, für die iterative Stimmregie oder für Anwendungen, die noch während der Interaktion eine Antwort benötigen.

Batch ist der günstigste zuverlässige Weg für eine Warteschlange, die über Nacht laufen darf. Der Tarif kostet die Hälfte von Standard, arbeitet asynchron und zielt auf eine Bearbeitungszeit von bis zu 24 Stunden. Wer ein fertiges Hörbuch rendert oder einen Lernkatalog neu erzeugt, sollte hier beginnen.

Flex kostet so viel wie Batch, bleibt aber synchron. Google nennt einen Zielbereich von 1 bis 15 Minuten und nutzt nach Verfügbarkeit zugeteilte Kapazität. Eine Anfrage kann mit einem Kapazitätsfehler enden; Google stuft sie nicht stillschweigend auf Standard hoch. Flex passt zu Hintergrundabläufen, deren nächster Schritt zwar auf die Antwort angewiesen ist, den Aufruf aber später wiederholen kann.

Priority ist für Situationen gedacht, in denen eine verspätete Sprachantwort dem Produkt schadet. Synchroner Datenverkehr läuft über Kapazitäten mit höherer Kritikalität. Werden die Priority-Grenzen überschritten, kann Google eine Anfrage auf Standard zurückstufen und zum Standard-Preis abrechnen. In der heutigen TTS-Preisliste kostet Priority das 1.8-Fache von Standard: Flash-Lite steigt damit von $0.54 auf $0.972 pro Ausgabestunde, Flash von $0.81 auf $1.458.

Texteingabe, Audioausgabe und Cache-Speicherung werden getrennt berechnet

Auf den meisten TTS-Rechnungen dominiert die Audiozeile. Sie ist jedoch nicht der einzige Kostenpunkt der Spracherzeugung.

Kosten der Gemini TTS API: vier Rechnungspositionen

Texteingabe bezeichnet das Transkript. Für beide Modelle gilt derselbe Standard-Eingabepreis: bis zum 31. Dezember $0.50 pro 1 Million Token, danach $1.00. Batch und Flex halbieren diesen Preis. Priority erhöht ihn derzeit auf $0.90 und ab dem 1. Januar auf $1.80.

Audioausgabe ist die erzeugte Darbietung. Hier unterscheiden sich Flash und Flash-Lite: Im Standard-Tarif sind es derzeit $9 gegenüber $6 pro 1 Million Audio-Token, danach $18 gegenüber $12.

Cache-Lesezugriffe fallen an, wenn zwischengespeicherte Eingaben erneut verwendet werden. Standard kostet derzeit $0.125 pro 1 Million zwischengespeicherte Token; für Batch sind es $0.0625, für Flex $0.025 und für Priority $0.225. Im Januar verdoppelt sich jeder dieser Werte.

Cache-Speicherung wird nach Zeit abgerechnet. Sämtliche Service-Tarife nennen bis zum 31. Dezember $0.50 pro 1 Million zwischengespeicherter Tokenstunden und ab dem 1. Januar $1.00. Werden 8,000 Token 24 Stunden gespeichert, kostet das derzeit $0.096. Ein Standard-Lesezugriff auf diesen Block fügt $0.001 hinzu. Ab Januar steigen die beiden Beträge auf $0.192 und $0.002.

Caching kann sinnvoll sein, wenn umfangreiche Anweisungen oder Aussprachekontexte wiederkehren. Bei einem kurzen, einmaligen Skript spart es nicht automatisch Geld. Erst die Speicherdauer und die erwarteten Cache-Treffer zeigen, ob sich der niedrigere Lesepreis rechnet.

Diese Preisliste enthält weder ein monatliches noch ein jährliches TTS-Abonnement. Die kostenpflichtige API-Nutzung wird nach Verbrauch abgerechnet; es gibt also weder einen Jahresrabatt noch ein enthaltenes Monatskontingent, das überschritten werden könnte. Das Bindungsrisiko liegt an anderer Stelle: Nicht genutzte Gemini-API-Prepaid-Guthaben verfallen nach einem Jahr und sind im Allgemeinen nicht erstattungsfähig.

Ist Gemini TTS kostenlos? Das dokumentiert Google

Google führt Texteingabe, Audioausgabe und Kontext-Caching für beide Gemini-3.8-TTS-Modelle in der kostenlosen Stufe als kostenlos auf. Ein TTS-spezifisches Tokenkontingent oder eine garantierte Zahl kostenloser Audiominuten veröffentlicht das Unternehmen auf der Preisseite nicht.

Damit eignet sich die kostenlose Stufe für Stimmtests, die Prüfung der Prompt-Struktur und kleine Prototypen, aber nicht als Kapazitätsplanung für einen Produktionsstart. Laut Google hängen die aktiven Grenzen von der Nutzungsstufe des Projekts ab, werden in AI Studio angezeigt, ändern sich mit dem Kontostatus und sind nicht garantiert. Ausschlaggebend ist daher das konkrete Projekt und keine aus einem Blogbeitrag übernommene Quote.

Mit der Abrechnung ändert sich auch die Datenschutzabwägung. Nach Angaben auf Googles Preisseite dürfen Inhalte aus der kostenlosen Stufe zur Verbesserung der Produkte verwendet werden; für Inhalte aus der kostenpflichtigen Stufe gilt dies gemäß den verlinkten Bedingungen nicht. Kundenstimmen, unveröffentlichte Skripte oder sensible Schulungsmodule gehören deshalb vor dem Einsatz des Tools in die Entscheidung.

Wer muss nie bezahlen? Wer nur wenige Stimmen testet und innerhalb der aktuell geltenden Projektgrenzen bleibt, kann möglicherweise dauerhaft kostenlos arbeiten. Sobald jedoch Liefermengen, Durchsatz oder vertrauliche Produktionsarbeit zugesagt werden, sollte die kostenpflichtige Stufe budgetiert werden – ein nicht beziffertes Freikontingent ist keine Infrastruktur.

Dasselbe Stimmbriefing vor und nach der Preiserhöhung

An einer 100-stündigen Schulungsbibliothek mit einem Sprecher lässt sich die Modellwahl besonders klar zeigen. Im Standard-Tarif beträgt die berechnete Ausgabesumme bis zum 31. Dezember $54 mit Flash-Lite und $81 mit Flash. Ab dem 1. Januar sind es $108 beziehungsweise $162. Texteingabe, Caching und neu erzeugte Takes kommen hinzu.

Der erste Durchlauf sollte mit Flash-Lite erfolgen, denn übliche Sprechertexte brauchen nicht in jeder Zeile das Spitzenmodell. Im Korrekturdurchlauf werden nur Passagen hochgestuft, die eine klar benannte Qualitätsprüfung nicht bestehen: ein falsch ausgesprochener regionaler Name, eine flach klingende emotionale Szene, ein Dialog mit mehreren Sprechern ohne saubere Trennung oder längeres Audio, dessen Stimme oder Raumklang driftet.

1. 1

   Ein repräsentatives Briefing festlegen

   Das Testskript sollte die schwierigen Inhalte der späteren Produktion enthalten: Namen, Zahlen, Pausen, emotionale Wendungen und – falls relevant – mehr als einen Sprecher. Das Transkript bleibt bei beiden Modellen identisch.

2. 2

   Die Darbietung richtig anweisen

   Gemini 3.8 TTS behandelt den Transkripttext als zu sprechende Wörter. Dauerhafte Regieanweisungen gehören in strukturierte Sprachmetadaten, Inline-Tags nur an konkrete Stellen für punktuelle Stimmereignisse. So wird eine Anweisung nicht versehentlich vorgelesen.

3. 3

   Zuerst Flash-Lite probehören

   Nach einem kontrollierten Probelauf werden die zurückgemeldete Nutzung der Eingabe-Token und die tatsächliche Audiodauer gespeichert. Für diesen Artikel wurde kein Beispiel erzeugt; seine Zeitangaben bleiben daher berechnete reine Ausgabekosten und sind keine gemessenen Rechnungswerte.

4. 4

   Nur mangelhafte Passagen hochstufen

   Brauchbare Lite-Ausgaben bleiben erhalten. Nur Passagen, die Aussprache, Dialekt, Schauspiel, Sprechertrennung oder Langform-Konsistenz verfehlen, werden über einen geänderten Modellparameter mit Flash neu erzeugt.

5. 5

   Die passende Warteschlange wählen

   Standard passt, solange ein Mensch Regie führt. Freigegebene Rückstände gehen an Batch; Flex ist nur mit Wiederholungslogik sinnvoll. Priority lohnt sich ausschließlich, wenn Wartezeit die Nutzung beeinträchtigt.

TTS ist weder Gemini Live noch das reine Textmodell Flash

Gemini 3.8 Flash TTS nimmt Text entgegen und gibt eine gesprochene Darbietung aus. Das allgemeine Modell gemini-3.8-flash ist ein anderer Endpunkt mit einer anderen Preisliste. Die bekannten Ein- und Ausgabepreise des Textmodells haben deshalb in einer TTS-Kalkulation nichts verloren. Der umfassendere Überblick zu den Gemini-Preisen erklärt die Trennung zwischen Endkundenabos und der Abrechnung der Developer API; der Test von Gemini 3 behandelt die allgemeine Modellfamilie.

Gemini Live ist noch einmal etwas anderes. Googles Leitfaden zur Spracherzeugung beschreibt TTS als exakte Wiedergabe mit kontrolliertem Stil und Klang. Live dagegen verarbeitet interaktives, unstrukturiertes Audio und multimodale Gespräche. Ein vertonter Kurs, ein Hörbuch oder ein freigegebenes Werbeskript ist TTS. Ein Voice Agent, der zuhört, schlussfolgert, ein Tool aufruft und Anrufende im Gespräch hält, nutzt einen Live-Ablauf mit einem anderen Kostenmodell. Die Analyse des Gemini-3.8-Live-Ablaufs erläutert diese Betriebsentscheidung.

Die Abgrenzung verhindert den teuersten Tabellenfehler: generierte Sprache mit einem günstigen Text-Token-Preis zu budgetieren oder eine dauerhafte Live-Sitzung mit dem TTS-Ausgabepreis zu kalkulieren.

Gemini TTS im Vergleich zu ElevenLabs und Deepgram

Gemini ist zu den Einführungsraten im Standard-Tarif pro erzeugter Zeit günstiger als zwei häufig geprüfte API-Alternativen. Die Abrechnungseinheiten sind jedoch nicht identisch, und der Preis belegt keine Stimmqualität.

Die API-Preise von ElevenLabs führen Flash/Turbo und v3 Conversational mit $0.05 pro 1,000 Zeichen auf und beziffern das mit ungefähr $0.05 pro Minute beziehungsweise rund $3 pro Stunde. Beim Kreativmodell v3 sind es ungefähr $0.10 pro Minute oder $6 pro Stunde. Diesen veröffentlichten Minutenschätzungen stehen aktuell $0.54 pro Stunde für Gemini Flash-Lite Standard und $0.81 für Flash gegenüber.

Deepgram berechnet für Aura-2 $0.030 pro 1,000 Zeichen und für Aura-1 $0.015. Unter der ausdrücklich gesetzten Planungsannahme von 1,000 Zeichen pro gesprochener Minute ergeben sich ungefähr $1.80 beziehungsweise $0.90 pro Stunde. Genau diese Annahme ist die Schwachstelle: Sprechtempo, Pausen und nonverbale Töne verändern die Dauer, während Deepgram weiterhin nach Zeichen abrechnet.

Ein belastbarer Vergleich erfordert einen bezahlten Hörtest mit dem eigenen Skript. Alle Anbieter werden auf dieselbe freigegebene Stunde normiert; verworfene Takes zählen ebenso wie Aussprache, Darbietung, Konsistenz, Latenz und Schnittzeit. Geminis Vorteil bei den reinen Tokenkosten ist erheblich. Eine günstigere Stimme ist jedoch keine günstigere Produktion, wenn sie mehr Nacharbeit verursacht.

Verdeckte Kosten und der Budgetwechsel im Januar 2027

Die geplante Preisänderung ist das zentrale Budgetrisiko. Ein Rückstand von 1,000 Stunden kostet mit Flash-Lite Standard als berechnete Audioausgabe $540, wenn er bis zum 31. Dezember abgeschlossen wird, und ab dem 1. Januar $1,080. Flash steigt von $810 auf $1,620. Batch oder Flex kosten nach der Erhöhung für die Ausgabe genauso viel wie Standard heute.

Hinzu kommen operative Kosten:

• Neuerzeugung: Verworfene Takes erzeugen weitere kostenpflichtige Audioausgabe.
• Menschliche Qualitätskontrolle: Jeder Eigenname, jede Zahl, jede einwilligungspflichtige Stimme und jeder finale Schnitt muss geprüft werden.
• Cache-Speicherung: Gespeicherter Kontext wird nach Tokenstunden weiterberechnet, bis er freigegeben wird.
• Ablauf von Prepaid-Guthaben: Nicht verwendete Prepaid-Guthaben der Gemini API verfallen nach einem Jahr und sind im Allgemeinen nicht erstattungsfähig. Nicht genutzte Postpay-Beträge können erstattungsfähig sein, Aktionsguthaben dagegen nicht.
• Getrennte Produkte: Ein Gemini-Endkundenabo macht TTS in der Developer API nicht zu einer enthaltenen Leistung.

Der konkrete nächste Schritt: Eine repräsentative Stunde mit Flash-Lite Standard erzeugen, die tatsächliche Nutzung der Texteingabe und die Ausgabedauer speichern, alle Passagen markieren, die den Qualitätsmaßstab verfehlen, und nur diese Stellen mit Flash neu erzeugen. Die so ermittelte Mischung kommt in zwei Budgetspalten – einmal zu den heutigen Preisen, einmal zu den Preisen ab Januar. Wenn eine Zielzeit von 24 Stunden akzeptabel ist, wandert der freigegebene Rückstand anschließend zu Batch.

Preis-FAQ zu Gemini 3.8 TTS

Was kostet Gemini Audio TTS?

Bis zum 31. Dezember 2026 kostet die Audioausgabe im Standard-Tarif für Gemini 3.8 Flash-Lite TTS $0.009 pro Minute und für Gemini 3.8 Flash TTS $0.0135 pro Minute. Diese berechneten Werte enthalten weder Texteingabe noch Cache-Lesezugriffe oder Cache-Speicherung.

Was kosten 1000 Token?

Entscheidend ist die Art der Token. Im heutigen Standard-Tarif kosten 1,000 Texteingabe-Token bei beiden Modellen $0.0005. Tausend Audioausgabe-Token kosten mit Flash $0.009 und mit Flash-Lite $0.006; sie entsprechen 40 Sekunden generiertem Audio. Alle Beträge verdoppeln sich am 1. Januar 2027.

Ist die Google TTS API kostenlos?

Google führt Eingabe, Ausgabe und Caching für Gemini 3.8 Flash TTS und Flash-Lite TTS in der kostenlosen Stufe als kostenlos auf. Ein festes TTS-spezifisches Token- oder Minutenkontingent veröffentlicht das Unternehmen nicht; maßgeblich ist daher das aktive Limit in AI Studio.

Wie lässt sich TTS kostenlos nutzen?

In Google AI Studio ein aktives Projekt erstellen oder auswählen, den Arbeitsbereich für Spracherzeugung öffnen und eines der beiden Gemini-3.8-TTS-Modelle innerhalb der kostenlosen Projektgrenzen nutzen. Für Produktionen darf diese kostenlose Kapazität nicht als garantiert gelten.

Kostet TTS Geld?

Ja, sobald die kostenpflichtige Stufe der Gemini API genutzt wird. Google berechnet Texteingabe, Audioausgabe, Cache-Lesezugriffe und Cache-Speicherung getrennt; die reinen Standard-Ausgabepreise beginnen derzeit bei $0.009 pro generierter Minute.

Wie teuer ist TTS?

Gemini Flash-Lite Standard kostet für die Audioausgabe derzeit $0.54 pro generierter Stunde, Flash kostet $0.81. Batch und Flex halbieren diese Beträge; mit Priority steigen sie auf $0.972 beziehungsweise $1.458.

Welche kostenlose TTS-Software ist die beste?

Gemini TTS ist eine Cloud-API und nicht die Softwarebibliothek FreeTTS. Für eine kostenlose Erprobung eignet sich die kostenlose Stufe von Gemini, doch die öffentliche Preisseite garantiert keine bestimmte Zahl kostenloser Minuten.

Wie aktiviere ich Google TTS?

Den Arbeitsbereich für Spracherzeugung in Google AI Studio öffnen oder gemini-3.8-flash-tts beziehungsweise gemini-3.8-flash-lite-tts über die Gemini API mit einem aktiven Projekt und API-Schlüssel aufrufen.

Gibt es für Gemini 3.8 Flash TTS einen Studierendenrabatt?

Googles Preisseite für die Developer API führt keinen besonderen Studierendentarif für Gemini TTS auf. Für Studierende gelten dieselben kostenlosen oder kostenpflichtigen API-Stufen wie für alle anderen Entwickler.

Kann ich Gebühren für die Gemini TTS API erstatten lassen?

Laut Google können ungenutzte Beträge in einem verknüpften Postpay-Zahlungskonto erstattungsfähig sein. Nicht genutzte Prepaid-Guthaben der Gemini API verfallen ein Jahr nach dem Kauf und sind im Allgemeinen nicht erstattungsfähig; Aktionsguthaben sind ebenfalls ausgeschlossen.

Haben sich die Preise für Gemini 3.8 Flash TTS im Jahr 2026 geändert?

Die Modelle erschienen am 23. September 2026 mit Einführungspreisen für die kostenpflichtige Nutzung. Diese Preise gelten bis zum 31. Dezember und sollen sich am 1. Januar 2027 verdoppeln.

Mit der Checkliste für die Prüfung von KI-Geschäftsabläufen lässt sich klären, wo generierte Stimmen in den Prozess gehören, bevor ein Produktionsbudget festgelegt wird. Über den Newsletter erhalten.