Preço da API Gemini TTS: quanto custa uma hora de fala do Gemini
Os modelos Gemini TTS do Google são cobrados por tokens, não por caracteres, então o preço de um minuto não é óbvio à primeira vista. Este guia traz os preços da página da API do Gemini em novembro de 2026, converte em custo de uma hora de áudio e compara com um plano cobrado por tempo.
Preços por milhão de tokens
O Gemini 3.8 Flash TTS custa US$ 0,50 por milhão de tokens de texto de entrada e US$ 9 por milhão de tokens de áudio de saída até 31 de dezembro de 2026, e US$ 1 e US$ 18 a partir de 1º de janeiro de 2027. O Gemini 3.8 Flash-Lite TTS custa US$ 0,50 e US$ 6, depois US$ 1 e US$ 12. Os modelos anteriores custam US$ 1 e US$ 20 (3.1 Flash TTS Preview e 2.5 Pro Preview TTS) e US$ 0,50 e US$ 10 (2.5 Flash Preview TTS). Requisições em lote (Batch) custam metade.
Quanto custa uma hora
O Google conta 25 tokens de áudio por segundo, então uma hora de fala tem 90.000 tokens de áudio. Isso dá cerca de US$ 0,81 por hora com 3.8 Flash TTS e US$ 0,54 com Flash-Lite em 2026, e US$ 1,62 e US$ 1,08 a partir de 2027, mais o texto de entrada, que acrescenta pouco. As 216 horas que o plano Starter da SuperClonica de US$ 5 narra no máximo por mês custariam, a preços de 2026, cerca de US$ 175 com Flash TTS e US$ 117 com Flash-Lite.
O nível gratuito
A API do Gemini tem um nível gratuito com limites de uso para 3.8 Flash TTS, 3.8 Flash-Lite TTS, 3.1 Flash TTS e 2.5 Flash TTS, e testar a voz no Google AI Studio é grátis. Segundo a página de preços, o Google pode usar o conteúdo do nível gratuito para melhorar seus produtos, mas não o do nível pago. No Google Cloud, o Gemini-TTS não tem uso gratuito.
As mesmas horas na SuperClonica
A API de voz da SuperClonica cobra por tempo, não por caracteres: um plano dá minutos de áudio a cada janela de 10 minutos. Usado sem pausa, o plano Starter de US$ 5 narra até 216 horas por mês, o de US$ 10 até 576, o de US$ 20 até 1.440 e o de US$ 50 até 4.680. Uma chave grátis dá 3 minutos por dia. Todas as vozes do catálogo e suas vozes treinadas funcionam em qualquer plano, e o áudio começa a chegar a partir de 300 ms nas nossas medições. O Supertonic 3 fala 31 idiomas; o chinês ainda não está entre eles.
Quando o Gemini compensa mais
O Gemini TTS fala muito mais idiomas, inclusive chinês, aceita instruções de estilo em linguagem comum e pode narrar dois locutores numa só requisição. Para poucas horas por mês ele é barato, e o nível gratuito pode bastar. A SuperClonica compensa quando você narra muitas horas por mês, quer vozes de personagens do catálogo ou vozes treinadas com suas gravações, ou precisa de uma conta fixa.
Teste com uma requisição
Pegue uma chave grátis no site e envie o texto por POST para https://superclonica.com/api/v1/speech com o cabeçalho Authorization: Bearer e sua chave, e o corpo
{"text": "...", "voice": "F1", "language": "pt"}Adicione "format": "mp3" para MP3 ou "stream": true para tocar o áudio conforme chega.