Preise der Gemini TTS API: was eine Stunde Gemini-Sprache kostet
Googles Gemini-TTS-Modelle werden nach Tokens abgerechnet, nicht nach Zeichen, daher ist der Preis einer Minute nicht auf den ersten Blick klar. Dieser Leitfaden nennt die Preise von der Preisseite der Gemini API im November 2026, rechnet sie in die Kosten einer Stunde Audio um und vergleicht sie mit einem Tarif, der nach Zeit abrechnet.
Preise pro Million Tokens
Gemini 3.8 Flash TTS kostet bis 31. Dezember 2026 0,50 $ pro Million Text-Tokens Eingabe und 9 $ pro Million Audio-Tokens Ausgabe, ab 1. Januar 2027 1 $ und 18 $. Gemini 3.8 Flash-Lite TTS kostet 0,50 $ und 6 $, danach 1 $ und 12 $. Die älteren Modelle kosten 1 $ und 20 $ (3.1 Flash TTS Preview und 2.5 Pro Preview TTS) sowie 0,50 $ und 10 $ (2.5 Flash Preview TTS). Batch-Anfragen kosten die Hälfte.
Was eine Stunde kostet
Google zählt 25 Audio-Tokens pro Sekunde, eine Stunde Sprache sind also 90.000 Audio-Tokens. Das ergibt 2026 etwa 0,81 $ pro Stunde mit 3.8 Flash TTS und 0,54 $ mit Flash-Lite, ab 2027 1,62 $ und 1,08 $, plus die Texteingabe, die wenig ausmacht. Die 216 Stunden, die der Starter-Tarif von SuperClonica für 5 $ höchstens im Monat vertont, kämen zu Preisen von 2026 mit Flash TTS auf etwa 175 $ und mit Flash-Lite auf etwa 117 $.
Die Gratisstufe
Die Gemini API hat eine Gratisstufe mit Ratenlimits für 3.8 Flash TTS, 3.8 Flash-Lite TTS, 3.1 Flash TTS und 2.5 Flash TTS, und Sprache in Google AI Studio auszuprobieren ist kostenlos. Laut Preisseite darf Google Inhalte der Gratisstufe zur Verbesserung seiner Produkte nutzen, Inhalte der bezahlten Stufe nicht. In Google Cloud hat Gemini-TTS kein Gratiskontingent.
Dieselben Stunden bei SuperClonica
Die Sprach-API von SuperClonica rechnet nach Zeit, nicht nach Zeichen: Ein Tarif gibt Audiominuten in jedem 10-Minuten-Fenster. Ohne Pause genutzt, vertont der Starter-Tarif für 5 $ bis zu 216 Stunden im Monat, der für 10 $ bis zu 576, für 20 $ bis zu 1.440 und für 50 $ bis zu 4.680. Ein kostenloser Schlüssel gibt 3 Minuten am Tag. Alle Katalogstimmen und Ihre eigenen trainierten Stimmen laufen in jedem Tarif, und der Ton kommt in unseren Messungen ab 300 ms. Supertonic 3 spricht 31 Sprachen; Chinesisch ist noch nicht dabei.
Wann Gemini die bessere Wahl ist
Gemini TTS spricht viel mehr Sprachen, auch Chinesisch, versteht Stilanweisungen in normalen Worten und kann zwei Sprecher in einer Anfrage vertonen. Für wenige Stunden im Monat ist es günstig, und die Gratisstufe reicht womöglich. SuperClonica lohnt sich, wenn Sie viele Stunden im Monat vertonen, Figurenstimmen aus dem Katalog oder aus eigenen Aufnahmen trainierte Stimmen wollen oder eine feste Rechnung brauchen.
In einer Anfrage ausprobieren
Holen Sie sich auf der Website einen kostenlosen Schlüssel und senden Sie Text per POST an https://superclonica.com/api/v1/speech mit dem Header Authorization: Bearer und Ihrem Schlüssel sowie dem Body
{"text": "...", "voice": "F1", "language": "de"}Fügen Sie "format": "mp3" für MP3 hinzu oder "stream": true, um den Ton schon beim Eintreffen abzuspielen.