Gemini TTS 料金を徹底比較：3.8 FlashとFlash-Liteの選び方

Gemini 3.8 Flash TTSのGemini TTS 料金は、Standardで生成音声1分あたり**$0.0135からです。Flash-Liteなら1分あたり$0.009**です。いずれも2026年12月31日までの音声出力だけを換算した料金で、Googleは2027年1月1日に2倍へ引き上げる予定です。本番運用の予算には、今から改定前と改定後の両方を織り込んでおく必要があります。

Gemini 3.8 Flash TTSとGemini 3.8 Flash-Lite TTSは2026年9月23日にリリースされました。以下の料金は、2026年9月24日時点のGoogle公式Gemini Developer API料金ページと照合済みです。さらに、Googleが明記する1秒あたり25音声トークンを基に、生成時間を分単位・時間単位へ換算しました。

Gemini TTS 料金早見表：3.8 FlashとFlash-Lite

最安は、2026年12月31日までのFlash-LiteのBatchまたはFlexで、生成音声1分あたり$0.0045です。対話型の本番ワークフローなら、1分あたり$0.009のFlash-Lite Standardが無難な出発点です。音質、難しい発音、方言への対応、演技指示に価格差を上回る価値がある場合は、フル版のFlashを選びます。

表にある時間ベースの数値はすべて計算値で、実測した請求額ではありません。また、対象は生成された音声出力だけです。実際の請求には、テキスト入力トークン、キャッシュ読み取り、キャッシュ保存も加わる場合があります。

Gemini 3.8 TTSの1分・1時間あたりの料金

課金単位が分かれば、時間への換算は簡単です。Googleは1秒あたり25音声トークンとして数えるため、生成音声1分は1,500音声トークン、1時間は90,000音声トークンになります。

12月31日までのFlash Standardは、次のように計算します。

• 1分：1,500 ÷ 1,000,000 × $9.00 = $0.0135。
• 1時間：90,000 ÷ 1,000,000 × $9.00 = $0.81。
• 生成音声1,000時間：$0.81 × 1,000 = $810。

Flash-Lite Standardでは、音声料金の$9.00を$6.00に置き換えます。結果は1分あたり$0.009、1時間あたり$0.54、1,000時間あたり$540です。2027年1月1日以降は、同じ処理量が1分あたり$0.018、1時間あたり$1.08、1,000時間あたり$1,080になります。

再現可能な計算式は次のとおりです。

1. 音声出力： 生成秒数 × 25 ÷ 1,000,000 × 音声出力単価。
2. テキスト入力： リクエストから返された実際の入力トークン数 ÷ 1,000,000 × テキスト入力単価。
3. キャッシュ読み取り： 実際のキャッシュ済み入力トークン数 ÷ 1,000,000 × キャッシュ読み取り単価。
4. キャッシュ保存： キャッシュ済みトークン数 × 保存時間 ÷ 1,000,000 × 保存単価。

音声の長さからテキストトークン数を推定してはいけません。APIが返す入力数を記録してください。使用量レコードに、Standardで生成音声100時間とテキスト入力1,000,000トークンが記録されている場合、現在のFlashは$81.50です。内訳は音声$81とテキスト$0.50です。Flash-Liteは$54.50になります。1月1日以降は、それぞれ$163と$109です。

短い台本でも間を多く取るゆっくりした演技になり、逆に情報量の多い台本でも速く読まれることがあります。このため、台本と生成された音声は別々に計測されます。

Gemini Flash-Lite TTSの料金：Liteが有利な場面

Flash-Liteが向くのは、声そのものが主役の演技ではなく、制作物を構成する一要素である場合です。GoogleのTTSモデルガイドでは、大量制作、読み上げ機能、音声エージェントのカスケード、音声複製、日常的な1人話者の音声向けとされています。101言語に対応し、フル版Flashと同じAPIスキーマを使います。

フル版Flashはクリエイティブ用途の上位モデルです。Googleは、最高レベルの忠実度、繊細な演技、難しい発音、地域方言、複雑な複数話者の会話、130言語での安定した長尺ナレーションに適したモデルと位置付けています。Standardの生成音声1時間あたりの差額は、12月31日まではLiteより$0.27高く、1月1日以降は$0.54高くなります。

判断基準にすべきなのはブランドの格ではなく、耳で確認できる失敗です。承認済みの同じ台本と演技指示を、まずLiteに通します。発音、方言、キャラクターの演技、長いシーンのいずれかが品質基準に届かなければ、モデルパラメーターを変更し、その箇所だけFlashで再生成します。プロンプトの構造は共通なので、制作システムを2つ用意する必要はありません。

Standard、Batch、Flex、Priorityの選び方

サービスティアは、納期と失敗をどこまで許容できるかで選びます。同じモデルへのリクエストでも、ティアによって処理方法と料金が変わります。

Standardは、日々の制作における標準の選択肢です。 同期処理で、通常は数秒から数分で返り、正規料金が適用されます。編集者がセリフを試聴する場面、デザイナーが演技指示を調整する場面、ユーザーが待っている間に応答が必要なアプリケーションに向きます。

Batchは、翌日まで待てるキューを確実かつ最安で処理する方法です。 Standardの半額で非同期に実行され、目標所要時間は最長24時間です。完成したオーディオブックを生成する出版社や、教材カタログを再生成する学習プラットフォームなら、まずBatchを検討します。

FlexはBatchと同額ですが、同期処理のままです。 Googleの目標時間は1〜15分で、ベストエフォートかつ空き容量に応じて処理されます。容量エラーが返る場合があり、その際もGoogleが自動でStandardへ切り替えることはありません。応答後に次の工程へ進む必要はあるものの、後で再試行できるバックグラウンド処理に適しています。

Priorityは、音声応答の遅延がプロダクトを損なう場面向けです。 同期トラフィックを重要度の高い処理能力へ振り分けます。Priorityの上限を超えると、GoogleはリクエストをStandardへ下げ、Standard料金を適用する場合があります。現在のTTS料金表ではPriorityはStandardの1.8倍で、Flash-Liteは音声出力1時間あたり$0.54から$0.972へ、Flashは$0.81から$1.458へ上がります。

テキスト入力・音声出力・キャッシュ保存は別料金

TTSの請求では音声項目が大半を占めますが、音声生成の費用はそれだけではありません。

Gemini TTS API料金を構成する4項目

テキスト入力は台本です。Standardの入力料金は両モデル共通で、12月31日までは100万トークンあたり$0.50、その後は$1.00です。BatchとFlexはその半額、Priorityは現在$0.90で、1月1日以降は$1.80です。

音声出力は生成された演技です。FlashとFlash-Liteの違いが最も表れる項目で、Standardでは現在、100万音声トークンあたり$9と$6、改定後は$18と$12です。

キャッシュ読み取りは、キャッシュ済みの入力を再利用したときに発生します。現在の100万キャッシュトークンあたりの料金は、Standardが$0.125、Batchが$0.0625、Flexが$0.025、Priorityが$0.225です。いずれも1月に2倍になります。

キャッシュ保存は時間制です。すべてのサービスティアで、12月31日までは100万キャッシュトークン時間あたり$0.50、1月1日以降は$1.00です。そのため、8,000トークンを24時間キャッシュすると現在は$0.096かかります。そのブロックをStandardで1回読み取ると、さらに$0.001です。1月以降は、それぞれ$0.192と$0.002になります。

キャッシュは、長い指示や発音コンテキストを繰り返し使う場合に役立ちます。一度しか使わない短い台本で、自動的に割安になるわけではありません。読み取り単価の低さを節約と見なす前に、保存時間と想定ヒット数を計算してください。

この料金表に、TTSの月額または年額サブスクリプションはありません。有料APIは従量課金なので、年払い割引も、超過を気にする月間の利用枠もありません。ロックインのリスクは別の場所にあります。未使用のGemini API前払いクレジットは1年で失効し、原則として返金されません。

Gemini TTSの無料枠：Googleが明記していること

Googleは、Gemini 3.8の両TTSモデルについて、無料枠の列でテキスト入力、音声出力、コンテキストキャッシュを無料としています。ただし、料金ページにはTTS専用のトークン上限や、無料で生成できる音声の分数は明記されていません。

無料枠は声の試聴、プロンプト構造の確認、小規模なプロトタイプには有用ですが、本番公開時の処理能力として当てにするのは危険です。Googleによれば、実際の上限はプロジェクトの利用ティアによって決まり、AI Studio内に表示され、アカウントの状態に応じて更新され、保証もされません。ブログ記事から割り当て量を転記するのではなく、自分のプロジェクトで確認してください。

課金の有無によって、プライバシー上の条件も変わります。Googleの料金ページでは、無料枠のコンテンツは同社製品の改善に利用される場合がある一方、有料枠のコンテンツはリンク先の規約に基づき、その目的には使われないとしています。クライアントの声、未公開の台本、機密性の高い研修教材を扱うなら、ツールへ入力する前にこの違いを判断材料に含める必要があります。

料金を払わずに済むのは、どのような人でしょうか。少数の声を試聴するだけで、プロジェクトの現在の上限内に収まるデザイナーなら、無料のまま使える可能性があります。一方、納品量やスループットを約束する案件、機密性のある制作では、上限が明記されていない無料枠をインフラ扱いせず、有料枠を予算化すべきです。

同じ音声ブリーフを価格改定の前後で試算

モデル選びを最も分かりやすく比較できるのが、1人のナレーターによる100時間の研修ライブラリです。12月31日までのStandardでは、音声出力の計算上の小計がFlash-Liteで$54、Flashで$81です。1月1日以降は$108と$162になります。テキスト入力、キャッシュ、再生成したテイクの料金は別途加算されます。

通常のナレーションでは全行に最上位モデルを使う必要がないため、初回はFlash-Liteを使います。修正時に上位モデルへ回すのは、明確な品質基準に届かなかった箇所だけです。たとえば、地域固有の名前の発音が悪い、感情的な場面が平板に聞こえる、複数話者の声が区別できない、長尺音声で声質や部屋の響きがずれる、といった箇所です。

1. 1

   代表的なブリーフを1つ固定する

   固有名詞、数字、間、感情の変化、必要に応じて複数話者など、本番で難所になり得る要素を含む台本を選びます。モデル間で台本は変えません。

2. 2

   演技指示を正しく設定する

   Gemini 3.8 TTSは台本のテキストを読み上げる言葉として扱います。継続的な指示は構造化された音声メタデータに入れ、インラインタグは特定の瞬間に起こす発声イベントだけに使います。指示そのものが誤って読み上げられるのを防ぐためです。

3. 3

   まずFlash-Liteを試聴する

   条件をそろえたパイロット音声を生成し、返された入力トークン使用量と実際の音声時間を保存します。この記事ではサンプルを生成していないため、掲載する時間ベースの金額は実際の請求額ではなく、音声出力だけの計算値です。

4. 4

   不合格の箇所だけ上位モデルへ切り替える

   基準を満たしたLiteの出力はそのまま使います。発音、方言、演技、話者の分離、長尺での一貫性が基準に届かない箇所だけ、モデルパラメーターをFlashへ変更します。

5. 5

   処理キューを選ぶ

   人が演出している間はStandardを使います。承認済みのジョブ群はBatchへ送り、再試行に対応できる場合だけFlexを選びます。待ち時間がユーザー体験を壊すときに限りPriorityを購入します。

TTSをGemini Liveやテキスト専用Flashと混同しない

Gemini 3.8 Flash TTSはテキストを受け取り、演技を伴う音声を返します。汎用のgemini-3.8-flashは別のエンドポイントで、料金表も異なります。テキストモデルで見慣れた入出力料金を、TTSの見積もりに使ってはいけません。より広い範囲を扱うGeminiの料金解説ではコンシューマー向けプランとDeveloper API課金の違いを、Gemini 3レビューでは汎用モデルのファミリーを解説しています。

Gemini Liveも別物です。Googleの音声生成ガイドでは、TTSはスタイルや音を制御しながら文章を正確に読み上げるもの、Liveは対話型で構造化されていない音声やマルチモーダル会話を扱うものと説明されています。ナレーション付き講座、オーディオブック、承認済みの広告台本はTTSです。ユーザーの声を聞いて推論し、ツールを呼び出し、会話を継続する音声エージェントは、料金体系の異なるLiveのワークフローです。その運用判断はGemini 3.8 Liveのバックグラウンド・ツール呼び出し分析で詳しく解説しています。

この区別ができていれば、安いテキストトークン単価で生成音声を見積もったり、TTSの出力単価で長時間のLiveセッションを見積もったりする、高額な表計算ミスを防げます。

Gemini TTSとElevenLabs、Deepgramの料金比較

Geminiは、導入時のStandard料金で比べると、よく候補に挙がる2つのAPIより生成時間あたりの単価が安くなります。ただし、課金単位は同じではなく、価格だけで音声品質を判断することもできません。

ElevenLabs APIの料金では、Flash/Turboとv3 Conversationalが1,000文字あたり$0.05で、目安は1分あたり約$0.05、1時間あたり約$3とされています。v3 creative modelは1分あたり約$0.10、1時間あたり$6です。この公開されている分単位の目安に対し、Gemini Flash-Lite Standardは現在1時間あたり$0.54、Flashは$0.81です。

Deepgramの料金は、Aura-2が1,000文字あたり$0.030、Aura-1が$0.015です。音声1分あたり1,000文字という明示的な計画上の仮定を置くと、それぞれ1時間あたり約$1.80と$0.90に換算できます。ただし、この仮定こそが比較の弱点です。話速、間、非言語音によって音声時間は変わりますが、Deepgramの課金は文字数のままだからです。

公平に比較するには、自分の台本で有料の試聴を行います。各サービスで承認済み音声1時間あたりの条件をそろえ、不採用テイクも含めたうえで、発音、演技、一貫性、レイテンシー、編集時間を評価してください。Geminiのトークン単価の優位性は大きいものの、修正作業が増える安い声は、制作全体で見れば安くありません。

見落としやすい費用と2027年1月の予算対策

最大の予算リスクは、予定されている料金改定です。Flash-Lite Standardで1,000時間を処理する場合、12月31日までに完了すれば音声出力の計算額は$540ですが、1月1日以降は$1,080です。Flashは$810から$1,620へ上がります。改定後のBatchまたはFlexは、現在のStandardと同じ音声出力小計になります。

そのほかに、次の運用コストがあります。

• 再生成： 不採用のテイクも、追加の課金対象となる音声出力を生みます。
• 人による品質管理： 固有名詞、数字、同意が必要な声、最終編集は、すべて確認が必要です。
• キャッシュ保存： 保存したコンテキストは、解放するまでトークン時間単位で課金され続けます。
• 前払いの失効： 未使用のGemini API前払いクレジットは1年後に失効し、原則として返金されません。未使用の後払い資金は返金対象になる場合がありますが、プロモーションクレジットは対象外です。
• 用途ごとの契約： コンシューマー向けGeminiサブスクリプションに加入しても、Developer APIのTTSが追加料金なしで使えるようにはなりません。

次の月曜日にやることは明確です。Flash-Lite Standardで代表的な1時間を処理し、実際のテキスト入力使用量と出力時間を保存します。品質基準に届かなかった箇所をすべて記録し、その箇所だけFlashで再生成します。得られたモデル構成を、現在の料金と1月以降の料金という2つの予算列に入力してください。そのうえで、24時間という目標時間を許容できるなら、承認済みの処理待ちジョブをBatchへ移します。

Gemini 3.8 TTS料金のよくある質問

Gemini Audio TTSの料金はいくらですか？

2026年12月31日まで、Standardの音声出力はGemini 3.8 Flash-Lite TTSが1分あたり$0.009、Gemini 3.8 Flash TTSが1分あたり$0.0135です。いずれも計算値で、テキスト入力、キャッシュ読み取り、キャッシュ保存は含みません。

1000トークンはいくらですか？

トークンの種類によって異なります。現在のStandardでは、どちらのモデルもテキスト入力1,000トークンが$0.0005です。音声出力1,000トークンはFlashが$0.009、Flash-Liteが$0.006で、生成音声40秒に相当します。すべて2027年1月1日に2倍になります。

Google TTS APIは無料ですか？

Googleは、無料枠ではGemini 3.8 Flash TTSとFlash-Lite TTSの入力、出力、キャッシュを無料としています。ただし、TTS専用の固定トークン数や分数は公表していないため、AI Studioで現在の上限を確認してください。

TTSを無料で使う方法は？

Google AI Studioで有効なプロジェクトを作成または選択し、音声生成ワークスペースを開きます。そのプロジェクトの無料上限内で、Gemini 3.8の2つのTTSモデルのいずれかを使います。本番運用で無料の処理能力が保証されるとは考えないでください。

TTSには料金がかかりますか？

はい。有料のGemini APIティアを使うと料金が発生します。Googleはテキスト入力、音声出力、キャッシュ読み取り、キャッシュ保存を個別に課金しており、現在のStandardの音声出力のみの料金は、生成音声1分あたり$0.009からです。

TTSはどのくらい高いですか？

現在、Gemini Flash-Lite Standardの音声出力は生成音声1時間あたり$0.54、Flashは$0.81です。BatchとFlexではその半額、Priorityでは$0.972と$1.458になります。

おすすめの無料FreeTTSソフトウェアは？

Gemini TTSはクラウドAPIであり、FreeTTSソフトウェアライブラリではありません。費用をかけずに評価するならGeminiの無料枠は便利ですが、公開料金ページでは無料で使える具体的な分数を約束していません。

Google TTSを有効にする方法は？

Google AI Studioの音声生成ワークスペースを開くか、有効なプロジェクトとAPIキーを使ってGemini APIからgemini-3.8-flash-ttsまたはgemini-3.8-flash-lite-ttsを呼び出します。

Gemini 3.8 Flash TTSに学生割引はありますか？

GoogleのDeveloper API料金ページには、Gemini TTS向けの学生専用料金は掲載されていません。学生にも、すべての開発者と同じ無料または有料のAPIティアが適用されます。

Gemini TTS APIの料金は返金できますか？

Googleによると、連携済みの後払い決済アカウントにある未使用資金は、返金対象になる場合があります。未使用のGemini API前払いクレジットは購入から1年で失効し、原則として返金されません。プロモーションクレジットも対象外です。

Gemini 3.8 Flash TTSの料金は2026年に変わりましたか？

両モデルは2026年9月23日に導入時の有料料金でリリースされました。この料金は12月31日まで適用され、2027年1月1日に2倍になる予定です。

生成音声をどの業務に組み込むべきか、制作予算を確定する前にAI Business Workflow Audit Checklistで判断してください。ニュースレターに登録して入手できます。