Fish Audio: S2.1 Pro Free (free) 対 Google: Gemini 3.8 Flash TTS
api14カタログの最新のUSD料金と機能をもとに、Fish Audio: S2.1 Pro Free (free)（無料）とGoogle: Gemini 3.8 Flash TTS（$1.75 / 100万文字 (≈ ￥276)）を並べて比較します。どちらも同じOpenAI互換APIで動作します。
仕様
| Fish Audio: S2.1 Pro Free (free) | Google: Gemini 3.8 Flash TTS | |
|---|---|---|
| プロバイダー | Fish Audio | |
| 文字 | - | $1.75 / 100万文字 (≈ ￥276) |
| 出力 | - | $31.50 / 100万トークン (≈ ￥4,972) |
| コンテキストウィンドウ | - | 32,768 |
| 最大出力 | - | 16,384 |
| 入力 | text | text |
| 出力 | speech | speech |
| ツール呼び出し | ||
| 構造化出力 | ||
| 推論の調整 | ||
| 追加日 | 2026/07/29 | 2026/09/23 |
詳しく見る
Fish Audio: S2.1 Pro Free (free) は Fish Audio のテキスト読み上げモデルで、2026-07-29 にリリースされました。Google: Gemini 3.8 Flash TTS は Google のテキスト読み上げモデルで、2026-09-23 にリリースされました。どちらも speech カテゴリに属するため、汎用のチャットや推論モデルではありません。テキストを送ると音声が返ってきます。それが両者にとって仕事の全体像です。
機能面では、この2つはブランド名から連想されるよりも近い関係にあります。どちらも入力モダリティとしてテキストのみを受け付け、出力モダリティとして音声のみを返します。どちらも対応パラメータを一切記載していないため、リクエストボディを通じてサンプリング、声、速度、フォーマットを調整することはできません。データ上で具体的に異なる点はコンテキスト長だけです。Gemini 3.8 Flash TTS は 32768 トークンと記載されています。Fish Audio S2.1 Pro Free はコンテキスト長を一切記載しておらず、これはゼロではなく不明を意味します。入力テキストが長い場合、台本、章、長い記事などでは、この数値が重要になります。そして、計画を立てるための数値を示してくれるのは2つのうち片方だけです。定性的な比較フィールドはすべて null で返ってくるため、価格、コンテキスト、ツール対応において頼れる優位性は示されていません。両者は機能的に似た音声エンドポイントであり、その間に文書化されたコンテキスト数値が1つあるものとして扱ってください。
選ぶ際は、入力の長さと課金の疑問から始めてください。短い文字列、UI のプロンプト、通知、数文のナレーションを合成するのであれば、どちらのモデルでもよく、Fish Audio 側の無料枠を最初に試す価値があります。長い文書を入力し、そのテキストが収まるかどうかを知る必要がある場合は、Gemini 3.8 Flash TTS のほうが安全な既定の選択です。その 32768 トークンのウィンドウが明記されており、それに対して測ることができるからです。特定の声、感情制御、音声フォーマットが必要な場合は、コミットする前に最新の価格表とモデルページを確認してください。ここではどちらのモデルも調整可能なパラメータを宣伝していないからです。片方が安いと決めつけないでください。価格フィールドは示されていないため、最新の表を自分で比較してください。
どちらを api14 経由で呼び出す場合も、リクエストは同じです。どちらも OpenAI 互換なので、クライアントを api14 のベース URL に向け、テキストを含む通常の chat completions 形式のペイロードを送り、レスポンスから音声を読み取ります。変わるのはモデル id の行だけです。Fish Audio モデルには "fish-audio/s2.1-pro-free:free" を、Google モデルには "google/gemini-3.8-flash-tts" を使います。それ以外はすべて、ヘッダー、認証、リクエスト形式はそのままです。これにより切り替えは安価になります。モデル id を引数に取る単一の関数の背後で、短いジョブを一方に、長いジョブをもう一方にルーティングできます。
コンテキストの差があっても、Fish Audio モデルのほうが依然として良い選択となるケースが1つあります。無料であるため、プロトタイピング、頻繁に実行するテスト、そしてその機能に料金を払う価値があるかどうかをまだ判断している最中のあらゆるワークロードにとって、正しい選択です。テキストが長くなり、収まるかどうか確信が持てなくなったら、Gemini 3.8 Flash TTS に移ってください。
文字列1つで切り替え
どちらのモデルも同じエンドポイントとリクエスト形式を使います。modelの値を"fish-audio/s2.1-pro-free:free"から"google/gemini-3.8-flash-tts"に変えるだけで、プロンプト、ストリーミング、ツールはそのまま動きます。
import { writeFile } from "node:fs/promises";
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const audio = await client.audio.speech.create({
"model": "google/gemini-3.8-flash-tts",
"input": "Hello from api14! One API for every model.",
"voice": "alloy",
"response_format": "mp3"
});
await writeFile("speech.mp3", Buffer.from(await audio.arrayBuffer()));
その他の比較
- AssemblyAI: TTS 1 対 Fish Audio: Drama 3
- AssemblyAI: TTS 1 対 HeyGen: HeyGen Voice
- AssemblyAI: TTS 1 対 HeyGen: HeyGen Voice Turbo
- AssemblyAI: TTS 1 対 Mistral: Voxtral TTS 3
- Fish Audio: Drama 3 対 HeyGen: HeyGen Voice
- Fish Audio: Drama 3 対 HeyGen: HeyGen Voice Turbo
- Fish Audio: Drama 3 対 Mistral: Voxtral TTS 3
- HeyGen: HeyGen Voice 対 HeyGen: HeyGen Voice Turbo