모델 개요
Google의 플래그십 창작용 텍스트 음성 변환(TTS) 모델이다. 텍스트를 입력받아 음성을 생성하며, 높은 음성 충실도, 표현력 있는 연기, 지역별 억양과 긴 다중 턴 대화에서의 음성 일관성을 목표로 한다. (aistudio.google.com)
주요 기능과 용도
- 단일 화자 및 다중 화자 음성을 생성하고, 스타일 지시와 웃음·한숨 같은 순간적인 음성 이벤트를 반영할 수 있다.
- 한국어를 포함한 130개 이상의 언어를 지원한다. 사전 제작 음성, 확장 음성 라이브러리, 음성 디자인 및 동의 확인을 거친 음성 복제 기능과 함께 사용할 수 있다.
- 오디오북, 스튜디오 내레이션, 복잡한 다중 화자 대화와 지역 방언 표현 등에 적합하다. (aistudio.google.com)
제한 및 사용 조건
- Gemini API 기준 입력 한도는 8,192토큰, 출력 서비스 한도는 16,384토큰이다. 이미지·동영상 입력 및 오디오 입력은 지원하지 않는다.
- 코드 실행, 컨텍스트 캐싱, 함수 호출, Google 검색 그라운딩 및 Live API는 지원하지 않는다.
- 입력 텍스트는 읽을 대본으로 취급되므로 지속적인 스타일과 화자 지시는
speech_metadata에 지정해야 한다. 다중 화자 요청에서는 각 턴에 화자를 명시해야 한다. 단일 요청의 기본 출력은 WAV다. (aistudio.google.com)
출시일
Gemini API 공식 변경 이력은 2026년 9월 22일 정식 출시(GA)로 기록한다. Google 블로그와 Firebase의 모델 목록은 2026년 9월 23일을 기록하므로 출처별 날짜에 차이가 있다. (aistudio.google.com)
가격
다음은 Gemini Developer API의 공식 유료 요금이며, 단위는 각각 텍스트 입력 100만 토큰당 USD / 오디오 출력 100만 토큰당 USD다. 조회일은 2026년 11월 16일이다. 다른 플랫폼의 요금과 혼동해서는 안 된다. (aistudio.google.com)
| 처리 방식 | 2026년 12월 31일까지 입력 / 출력 | 2027년 1월 1일부터 입력 / 출력 |
|---|---|---|
| 표준 | $0.50 / $9.00 | $1.00 / $18.00 |
| Batch | $0.25 / $4.50 | $0.50 / $9.00 |
| Flex | $0.25 / $4.50 | $0.50 / $9.00 |
| Priority | $0.90 / $16.20 | $1.80 / $32.40 |
공식 가격표는 표준 및 Priority의 무료 티어 입력·출력을 무료로 표시하며, Batch와 Flex에는 무료 티어가 없다고 표시한다. 오디오 출력은 초당 25토큰으로 계산된다. (aistudio.google.com)