Precios de la API Gemini TTS: cuánto cuesta una hora de voz de Gemini
Los modelos Gemini TTS de Google se cobran por tokens, no por caracteres, así que el precio de un minuto no es evidente a primera vista. Esta guía recoge los precios de la página de la API de Gemini en noviembre de 2026, los convierte en el coste de una hora de audio y los compara con un plan que cobra por tiempo.
Precios por millón de tokens
Gemini 3.8 Flash TTS cuesta 0,50 $ por millón de tokens de texto de entrada y 9 $ por millón de tokens de audio de salida hasta el 31 de diciembre de 2026, y 1 $ y 18 $ desde el 1 de enero de 2027. Gemini 3.8 Flash-Lite TTS cuesta 0,50 $ y 6 $, luego 1 $ y 12 $. Los modelos anteriores cuestan 1 $ y 20 $ (3.1 Flash TTS Preview y 2.5 Pro Preview TTS) y 0,50 $ y 10 $ (2.5 Flash Preview TTS). Las peticiones por lotes (Batch) cuestan la mitad.
Cuánto cuesta una hora
Google cuenta 25 tokens de audio por segundo, así que una hora de voz son 90 000 tokens de audio. Eso da unos 0,81 $ por hora con 3.8 Flash TTS y 0,54 $ con Flash-Lite en 2026, y 1,62 $ y 1,08 $ desde 2027, más el texto de entrada, que añade poco. Las 216 horas que el plan Starter de SuperClonica de 5 $ locuta como máximo al mes costarían a precios de 2026 unos 175 $ con Flash TTS y 117 $ con Flash-Lite.
El nivel gratuito
La API de Gemini tiene un nivel gratuito con límites de uso para 3.8 Flash TTS, 3.8 Flash-Lite TTS, 3.1 Flash TTS y 2.5 Flash TTS, y probar la voz en Google AI Studio es gratis. Según la página de precios, Google puede usar el contenido del nivel gratuito para mejorar sus productos, pero no el del nivel de pago. En Google Cloud, Gemini-TTS no tiene uso gratuito.
Las mismas horas en SuperClonica
La API de voz de SuperClonica cobra por tiempo, no por caracteres: un plan da minutos de audio en cada ventana de 10 minutos. Usado sin pausa, el plan Starter de 5 $ locuta hasta 216 horas al mes, el de 10 $ hasta 576, el de 20 $ hasta 1440 y el de 50 $ hasta 4680. Una clave gratuita da 3 minutos al día. Todas las voces del catálogo y tus propias voces entrenadas funcionan en cualquier plan, y el audio empieza a llegar desde 300 ms en nuestras mediciones. Supertonic 3 habla 31 idiomas; el chino aún no está entre ellos.
Cuándo conviene Gemini
Gemini TTS habla muchos más idiomas, incluido el chino, acepta indicaciones de estilo en lenguaje normal y puede locutar a dos hablantes en una petición. Para pocas horas al mes es barato, y el nivel gratuito puede bastar. SuperClonica compensa cuando locutas muchas horas al mes, quieres voces de personajes del catálogo o voces entrenadas con tus grabaciones, o necesitas una factura fija.
Pruébalo con una petición
Consigue una clave gratuita en el sitio y envía el texto por POST a https://superclonica.com/api/v1/speech con la cabecera Authorization: Bearer y tu clave, y el cuerpo
{"text": "...", "voice": "F1", "language": "es"}Añade "format": "mp3" para MP3 o "stream": true para reproducir el audio a medida que llega.