계산 방법
1분당 오디오 출력 비용 = 초당 오디오 토큰 × 60 × 출력 가격 ÷ 1,000,000이고, 1분당 텍스트 입력 비용 = 입력 토큰 × 입력 가격 ÷ 1,000,000이에요. 완성 1분당 비용 = (오디오 + 텍스트) × 생성 횟수예요. 예: 25 × 60 × US$9.00 ÷ 1,000,000 = 1분에 US$0.0135로, 구글이 밝힌 “10초당 US$0.00225”와 같아요. 구글은 Gemini 3.8 TTS 모델 가격을 2027년 1월 1일부터 올린다고 밝혀서 두 가격을 모두 넣었어요. OpenAI의 예전 TTS 모델은 지원 종료(Deprecated)로 표시되어 있고 Anthropic은 TTS API가 없어서 구글 가격만 기본으로 넣었어요. 다른 서비스는 “직접 입력한 가격”을 고르세요.
공식 TTS 가격 (토큰 100만 개당 US$, Standard 등급)
| TTS 모델 | 텍스트 입력 | 오디오 출력 | 오디오 1분당 |
|---|---|---|---|
| Gemini 3.8 Flash TTS — 2026년 12월 31일까지 | 0.5 | 9 | 0.0135 |
| Gemini 3.8 Flash TTS — 2027년 1월 1일부터 | 1 | 18 | 0.027 |
| Gemini 3.8 Flash-Lite TTS — 2026년 12월 31일까지 | 0.5 | 6 | 0.009 |
| Gemini 3.8 Flash-Lite TTS — 2027년 1월 1일부터 | 1 | 12 | 0.018 |
| Gemini 2.5 Flash Preview TTS | 0.5 | 10 | 0.015 |
| Gemini 2.5 Pro Preview TTS | 1 | 20 | 0.03 |
⚠ 참고용 추정치이며 투자·재무 조언이 아닙니다.
자주 묻는 질문
말하기 1분이면 입력 토큰이 얼마나 되나요?
언어와 말하는 속도에 따라 달라요. 차분한 영어 내레이션 1분은 대략 130–160단어이고, 한국어 대본은 토큰이 더 많이 나뉘는 편이에요. 입력 비용은 오디오 출력에 비해 아주 작아서 대략적인 값이면 충분해요.
만든 음성을 상업용으로 써도 되나요?
생성 음성에 대한 회사 약관을 먼저 확인하세요. 본인 허락 없이 실제 사람의 목소리를 흉내 내면 안 돼요.
2026년 11월 14일 확인. Google, Gemini Developer API 가격, ai.google.dev/gemini-api/docs/pricing — TTS 모델, Standard 등급, 토큰 100만 개당 가격; “Audio tokens correspond to 25 tokens per second of audio” (2026년 11월 14일 확인). OpenAI의 tts-1, gpt-4o-mini-tts 모델 페이지는 “Deprecated”로 표시되어 있고, 현재 OpenAI 가격 페이지에는 TTS 모델이 없어요.