Google의 OrcaRouter를 통한 미리보기 TTS 모델 — 텍스트 입력에서의 저비용 오디오 생성.
google/gemini-2.5-flash-preview-tts는 Google이 개발한 텍스트 음성 변환 모델로, 현재 미리보기 단계에 있습니다. 텍스트 입력을 음성 오디오로 변환하며, Gemini 2.5 Flash 아키텍처를 활용하여 빠른 추론을 지원합니다. 이 모델은 텍스트만 입력으로 받아 오디오 토큰을 출력으로 생성합니다. OrcaRouter의…
이 모델은 텍스트를 음성으로 변환하며, 일반적인 텍스트 음성 변환 작업(문단 읽기, 음성 해설 생성, 접근성을 위한 오디오 제작)을 처리합니다. 구두점과 숫자 표현을 자연스럽게 지원합니다. Flash 모델이므로 처리량에 최적화되어 있어 대량의 텍스트를 빠르게 처리할 수 있습니다. 전사(음성-텍스트), 언어 번역 또는 다중 모드 입력은 지원하지 않습니다. 오디오 출력은 애플리케이션에서 재생하기에 적합합니다. 이 프리뷰에서는 특정 음성 개성이나 악센트가 확인되지 않았습니다. 사용자는 자체 텍스트로 테스트하여 오디오 품질과 자연스러움을 평가해야 합니다.
이 모델은 스튜디오 품질의 오디오보다 저렴한 비용과 낮은 지연 시간이 더 중요한 시나리오에서 탁월합니다. 최적의 사용 사례는 다음과 같습니다: 짧은 동영상, 팟캐스트 및 소셜 미디어 콘텐츠의 내레이션 생성; 챗봇 및 가상 비서용 오디오 제공; 뉴스 기사 또는 블로그 게시물의 오디오 버전 생성; 고급 모델에 투자하기 전 TTS 기능 프로토타이핑; 그리고 모델이 필요한 언어를 지원하는 경우 다국어 사용자 대상 서비스입니다. 출력 토큰 가격이 백만 개당 $10이므로, 가끔 아티팩트가 허용되는 중요하지 않은 오디오를 생성하기에 경제적입니다.
사용 사례가 극도로 높은 볼륨(예: 하루 수백만 개의 토큰)을 포함하고 오디오 품질이 매우 기본적인 수준으로 충분하다면, Google의 TTS Lite나 다른 제공업체의 저비용 TTS 모델과 같은 더 저렴한 대안을 고려할 수 있습니다. 그러나 사실에는 명시적으로 더 저렴한 모델이 제공되지 않습니다. 또는 문자당 최저 비용으로 실시간 스트리밍이 필요하다면, 토큰당이 아닌 문자당 요금을 부과하는 모델을 평가할 수 있습니다. 이 모델의 출력 토큰 비용은 입력 비용에 비해 상대적으로 높기 때문에, 짧은 텍스트에서 긴 오디오를 생성하는 텍스트 음성 변환 시나리오는 비용 효율적일 수 있지만, 긴 텍스트에서 짧은 오디오를 생성하는 경우는 덜 효율적일 수 있습니다. 항상 특정 워크로드를 벤치마킹하여 가격을 비교하세요.
애플리케이션에 스튜디오급 오디오, 표현력 있는 감정 톤, 또는 다중 음성 대화가 필요하다면, Google Cloud Text-to-Speech(WaveNet) 또는 신경망 음성을 사용하는 Amazon Polly와 같은 더 비싼 TTS 모델이 필요할 수 있습니다. 이러한 모델은 여러 음성 옵션, SSML 지원, 더 높은 자연스러움을 제공하지만, 문자당 또는 초당 더 높은 가격이 책정됩니다. google/gemini-2.5-flash-preview-tts는 속도와 비용에 최적화된 프리뷰이므로, 전용 엔터프라이즈 TTS 솔루션의 미묘함과 일치하지 않을 수 있습니다. 이 모델과 대안을 사용하여 텍스트의 작은 샘플을 평가하여 품질이 요구 사항을 충족하는지 확인하십시오.
이 프리뷰 모델에 대한 구체적인 지연 시간 벤치마크는 공개되지 않았습니다. Gemini 2.5 Flash 변형 모델로서 저지연 추론에 최적화되어 설계되었습니다. 실제 응답 시간은 텍스트 길이, OrcaRouter를 통한 Google 서버까지의 네트워크 지연 시간, 현재 부하에 따라 달라집니다. 사용자는 짧은 텍스트(예: 몇 문장)에 대해서는 비교적 빠른 생성을 기대할 수 있으며, 긴 텍스트는 그에 비례하여 시간이 더 소요됩니다. Flash 모델을 사용하기 때문에 느리지만 고품질인 TTS 모델보다는 성능이 뛰어나지만, 초경량 모델만큼 빠르지는 않을 수 있습니다. 정확한 지연 시간 측정을 위해서는 OrcaRouter의 API를 사용하여 일반적인 입력 크기로 부하 테스트를 실행하십시오.
공개 정보에 따르면 Gemini 2.5 Flash의 강점은 빠른 추론, 비용 효율성(낮은 입력 토큰 가격), 그리고 경량 모델임에도 자연스러운 음성 출력입니다. 미리보기 상태는 Google의 최신 TTS 기술에 대한 조기 액세스를 의미합니다. OrcaRouter를 통한 제로 마크업 가격 책정으로 제공업체 요율만 지불하면 됩니다. 입력 토큰 가격(백만 개당 $0.50)은 TTS 모델 중 가장 낮은 수준에 속합니다. Flash 아키텍처는 대형 모델에 비해 요청당 탄소 발자국이 더 낮다는 것을 의미합니다.
이 모델은 미리보기 상태이므로 안정성과 가용성이 보장되지 않습니다. MOS, CER과 같은 벤치마크 점수는 제공되지 않습니다. 성숙한 TTS 서비스에서 제공되는 기능(SSML 지원, 제한된 음성 옵션, 감정 제어, 맞춤형 음성 훈련)이 부족합니다. 출력 품질은 언어나 액센트에 따라 일관되지 않을 수 있습니다. 토큰 기반 가격 책정으로 인해 긴 침묵이나 비음성 토큰이 예측 불가능하게 비용을 증가시킬 수 있습니다. 오디오 형식(WAV, MP3 등), 샘플 레이트, 비트 심도에 대한 정보가 없습니다. 사용자는 자체 오디오 처리 파이프라인과의 호환성을 확인해야 합니다.
Google의 Gemini 2.5 Flash는 범용 제품군이며, TTS 변종은 음성 생성을 위해 특화되어 있습니다. 텍스트를 출력하는 일반 Gemini Flash 모델과 비교할 때, TTS 버전은 오디오 토큰을 위한 디코더를 추가하여 오디오에는 더 적합하지만 디코딩 단계로 인해 속도가 느릴 수 있습니다. 텍스트 전용 Flash 모델과 직접 비교할 수는 없습니다. TTS에 특화된 측면에서 OpenAI TTS-1, Microsoft Edge TTS 및 오픈소스 대안과 같은 모델과 경쟁합니다. 이 프리뷰에 대한 모델 간 벤치마크는 제공되지 않으므로 직접 비교는 추측에 불과합니다.
가격은 토큰당 책정됩니다: 입력 토큰 100만 개당 $0.50, 출력 토큰 100만 개당 $10.00입니다. 입력 토큰은 모델에 보내는 텍스트입니다. 출력 토큰은 생성된 오디오 토큰입니다. OrcaRouter는 마크업 없이 공급자 요율로 청구합니다. 토큰 소비 외에 API 사용에 대한 추가 요금은 없습니다. 토큰이 처리된 경우 성공 및 실패 요청 모두에 대해 요금이 부과됩니다. 사용되지 않은 토큰은 청구되지 않습니다. 청구는 일반적으로 월 단위로 이루어지지만, 자세한 내용은 OrcaRouter 계정을 확인하세요. 토큰은 Google의 토크나이저로 계산되며, 이는 다른 모델과 다를 수 있습니다.
출력 토큰은 입력 토큰보다 20배 더 비쌉니다 (백만 개당 $10 대 $0.50). 이는 TTS 모델이 오디오를 생성하는 데 계산 집약적이기 때문에 일반적입니다. 따라서 입력에서 긴 침묵이나 긴 일시 정지는 정보를 전달하지 않으면서 출력 토큰 수를 증가시킬 수 있습니다. 입력 텍스트를 간결하게 최적화하면 비용을 줄일 수 있습니다. 반대로, 입력 토큰 비용은 무시할 수 있습니다; 큰 패널티 없이 상세한 컨텍스트를 제공할 수 있습니다. 사용 사례에서 매우 긴 텍스트로부터 매우 짧은 오디오를 생성해야 하는 경우 (예: 긴 문서에서 짧은 응답), 비용 비율이 유리할 수 있습니다.
제공된 사실에는 특정 캐싱 또는 할인 프로그램이 언급되어 있지 않습니다. OrcaRouter는 모델 출력에 대한 내장 캐싱을 제공하지 않습니다. 각 요청은 Google의 서버에서 새롭게 처리됩니다. 일부 플랫폼은 동일한 요청에 대한 캐싱을 제공하지만, OrcaRouter에 대해서는 확인되지 않았습니다. 대량 사용자의 경우, OrcaRouter에 문의하여 볼륨 기반 할인 또는 예약 용량에 대해 알아보십시오. 그때까지는 모든 요청에 토큰당 가격이 적용된다고 가정하십시오.
일반적인 TTS 서비스와 비교: Google Cloud Text-to-Speech는 문자당 요금을 부과합니다(예: Standard $0.000004/문자, WaveNet $0.000016/문자). OpenAI TTS-1은 1000자당 $0.015를 청구합니다. 이를 토큰당 기준으로 환산하면, 이 모델의 출력 토큰 100만 개당 $10은 짧은 텍스트에서는 경쟁력이 있을 수 있지만 긴 오디오에는 비쌉니다. 문자 대 토큰 비율이 주어지지 않았으므로, 사용자는 자신의 콘텐츠로 테스트해야 합니다. OrcaRouter의 마크업 제로 정책은 추가 비용이 붙는 제공업체 API보다 장점입니다.
OrcaRouter의 OpenAI 호환 API를 기본 URL https://api.orcarouter.ai/v1에서 사용합니다. 모델 ID 'google/gemini-2.5-flash-preview-tts'를 사용하여 chat/completions 또는 오디오 엔드포인트(가능한 경우)에 POST 요청을 보냅니다. 표준 TTS의 경우 전용 오디오 생성 엔드포인트를 사용해야 할 수도 있습니다. 올바른 경로는 OrcaRouter의 문서를 참조하세요. Authorization 헤더에 API 키를 포함하세요. 요청 본문에는 일반적으로 변환할 텍스트와 선택적으로 voice 또는 speed(지원되는 경우)와 같은 매개변수가 포함됩니다. 오디오는 엔드포인트에 따라 base64로 인코딩된 토큰 또는 다운로드 URL로 반환됩니다.
OpenAI 호환 API에서 지원하는 일반적인 매개변수는 다음과 같습니다: 'model' (필수: 'google/gemini-2.5-flash-preview-tts'), 텍스트와 함께 사용되는 'messages' 또는 'prompt', 'temperature' 및 'top_p' (지원되는 경우 오디오 변형에 영향을 줄 수 있음), 'max_tokens' (출력 길이 제한). 그러나 TTS의 경우 이러한 매개변수 중 다수가 적용되지 않을 수 있습니다. 모델은 'voice' 또는 'speed' 매개변수를 지원할 수 있습니다. 제공된 사실에는 특정 매개변수가 문서화되어 있지 않습니다. 이 모델에 대한 OrcaRouter의 API 참조 문서를 확인하세요. 모델이 매개변수를 지원하지 않는 경우 무시되거나 오류가 반환됩니다.
만약 다른 공급자(예: Google Cloud TTS, AWS Polly, OpenAI TTS)에서 마이그레이션하는 경우, 엔드포인트를 https://api.orcarouter.ai/v1로 변경하고 인증을 OrcaRouter API 키로 업데이트해야 합니다. 모델 식별자를 'google/gemini-2.5-flash-preview-tts'로 업데이트하세요. 그런 다음 요청 형식을 OpenAI 호환 스키마에 맞게 조정하세요. 예를 들어, 이전에 특정 필드에 텍스트를 보냈다면 이제는 'messages' 배열 또는 'prompt' 매개변수를 사용하게 됩니다. 오디오 출력 형식은 다를 수 있으므로 base64 응답을 파싱해야 할 수도 있습니다. 프로덕션 트래픽을 마이그레이션하기 전에 작은 요청으로 테스트하세요.
OrcaRouter는 OpenAI 호환 API를 제공하며, 예상되는 엔드포인트는 텍스트-텍스트용 /v1/chat/completions와 TTS용 /v1/audio/speech입니다. 이 모델의 경우 적절한 엔드포인트는 audio speech 엔드포인트일 가능성이 높습니다. 해당 엔드포인트를 사용할 수 없는 경우, 특수 매개변수를 사용하여 completions 엔드포인트를 사용해야 할 수도 있습니다. 사실에 따르면 이 모델은 base_url https://api.orcarouter.ai/v1에서 model id 'google/gemini-2.5-flash-preview-tts'를 사용하여 OrcaRouter의 OpenAI 호환 API를 통해 액세스됩니다. 오디오 생성을 위해 어떤 엔드포인트를 사용할지 OrcaRouter 문서를 통해 확인하세요.
Google Cloud TTS는 SSML 지원, 맞춤 음성 생성, 다양한 언어를 포함한 여러 음성 유형(Standard, WaveNet, Studio)을 제공합니다. 가격은 문자당 부과됩니다. 이 프리뷰 모델(gemini-2.5-flash-preview-tts)은 토큰 기반 과금을 사용하며 속도와 저비용에 최적화된 Flash 변형입니다. Cloud TTS보다 기능이 적을 가능성이 있지만 간단하고 대량의 TTS에 대해 비용 효율적일 수 있습니다. google/gemini-2.5-flash-preview-tts는 프리뷰인 반면, Cloud TTS는 SLA가 적용되는 정식 버전입니다. 안정성과 고급 기능이 필요하다면 Cloud TTS가 더 안전하고, 저지연과 저비용을 원한다면 이 모델을 사용해 보세요.
OpenAI TTS-1은 1000자당 $0.015를 부과합니다. 두 모델 모두 텍스트에서 오디오를 생성합니다. OpenAI의 모델은 표현력이 풍부한 음성과 널리 채택된 것으로 알려져 있지만, 다른 가격 정책(문자당)을 가지고 있습니다. google/gemini-2.5-flash-preview-tts는 토큰당 가격 정책을 사용하며, 이는 매우 짧은 텍스트의 경우 더 저렴할 수 있지만 긴 텍스트의 경우 더 비쌀 수 있습니다(한 문자가 여러 토큰과 같을 수 있기 때문입니다). OpenAI TTS-1은 안정적이고 프로덕션 준비가 되어 있는 반면, Google의 모델은 프리뷰입니다. 모델 ID를 전환하여 OrcaRouter를 통해 두 모델을 모두 사용할 수 있습니다. 특정 사용 사례를 테스트하여 비용과 오디오 품질을 비교하십시오.
오픈소스 TTS 모델(예: Coqui TTS, Piper, Bark)은 무료이지만 호스팅, 유지 관리 및 GPU 리소스가 필요합니다. 맞춤 설정이 가능하지만 API 호출의 속도와 간편함은 부족합니다. OrcaRouter를 통한 google/gemini-2.5-flash-preview-tts는 인프라 오버헤드를 없애고 사용량 기반 과금 모델을 제공합니다. 취미 프로젝트에는 오픈소스가 더 저렴할 수 있지만, 지연 시간이 짧고 관리가 간편한 프로덕션 환경에는 API가 더 쉽습니다. 해당 미리보기 모델의 속도와 비용은 호스팅 비용을 고려할 때 일부 오픈소스 모델과 경쟁력이 있을 수 있습니다.
Amazon Polly는 다양한 음성, SSML 지원, 그리고 무료 등급(월 500만 자)을 제공합니다. 가격은 문자당 책정됩니다(Standard $0.000004, Neural $0.000016). google/gemini-2.5-flash-preview-tts는 토큰 기반이며, 프리뷰 상태이므로 SLA나 무료 등급이 없습니다. 소량 사용의 경우 Polly의 무료 등급이 매력적입니다. 대량 사용의 경우, 이 모델의 토큰 가격은 압축에 따라 더 저렴하거나 더 비쌀 수 있습니다. Polly는 여러 언어와 발음 사전과 같은 기능을 지원합니다. 이 모델은 더 간단하지만 사용량에 따라 더 빠르고 비용이 낮습니다.
OpenAI 호환 — 쓰던 SDK 그대로
https://api.orcarouter.ai/v1voice| 입력 / 1M tokens | $0.500 |
|---|---|
| 출력 / 1M tokens | $10.00 |
| 통화 | USD |
정가 기준 추정치
추정치일 뿐입니다 — 실제 토큰 수는 제공자의 토크나이저에 따라 달라집니다.
이번 주 개발자들의 이야기
GET /api/public/models/google/gemini-2.5-flash-preview-tts열기 @misc{orcarouter_gemini_2_5_flash_preview_tts,
title = {google/gemini-2.5-flash-preview-tts API},
author = {google},
year = {n.d.},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/google/gemini-2.5-flash-preview-tts}
}google. (n.d.). google/gemini-2.5-flash-preview-tts API. OrcaRouter. https://www.orcarouter.ai/models/google/gemini-2.5-flash-preview-tts