ガイド

InworldとMiniMaxの音声合成APIの代替：時間で課金

InworldとMiniMaxは、表現力のある声、多くの言語、即時の声クローンを備えた、話題の音声合成APIを文字数課金で提供しています。AIコンパニオン、音声エージェント、会話の多いゲーム、長いナレーションなど、よく話すアプリでは、セリフのたびに文字数課金の請求が増えていきます。

SuperClonicaの音声合成APIは時間で課金します。月5ドルで、休まず使えば最大216時間の音声。このガイドでは2026年10月に公式の料金ページで確認した、音声1時間あたりの定価を比べ、InworldやMiniMaxのほうが向いている場面も正直に説明します。

無料でAPIキーを取得 声を聴く またはエンジンを自分で動かす

音声1時間あたりの料金

1分の音声は約1,000文字なので、1時間は約60,000文字です。定価で計算すると：

  • Inworld TTS-2 Flash：従量課金で100万文字15ドル、1時間約0.90ドル。25ドルのCreatorプランなら10ドルで1時間約0.60ドル。Enterpriseでは5ドル未満。
  • Inworld TTS-2：従量課金で100万文字25ドル、1時間約1.50ドル。Enterpriseでは1時間約0.30ドルまで。
  • MiniMax speech-2.8-turbo：100万文字60ドル、1時間約3.60ドル。
  • MiniMax speech-2.8-hd：100万文字100ドル、1時間約6ドル。
  • SuperClonicaスタート：月5ドルで最大216時間、上限まで使えば1時間約0.023ドル。

SuperClonicaでできること

APIは当社の測定で最短約300ミリ秒から音声をストリーミングし、長いテキストを複数のワーカーで同時に合成します。カタログの190の声や、自分の録音から学習した声で使えます。無料キーはカード不要で1日1分なので、支払う前に試せます。プランの違いは10分ごとの枠の秒数だけで、スタートは3分、作成者は8分、プロは20分、スタジオは65分です。

InworldやMiniMaxが向いている場面

Supertonic 3がまだ対応していない中国語、非常に幅広い言語、リクエスト時の短い音声からの即時クローン、最も表現力の高いモデルが必要なら、そちらを選んでください。1日に少ししか話さないアプリなら、無料枠や従量課金のほうがどのプランより安く済むこともあります。決める前に、自分のテキストでそれぞれの声を聴いてください。声の違いは料金の違いより大きいものです。