文字あたり、月あたり、時間あたり：AI読み上げの料金はどう決まるのか

AI読み上げを探していると、そろえて比べられない3つの値段の付け方に出くわします。クラウドのサービスは100万文字あたりで課金します。音声アプリは、使える枠のついた月額プランです。BookNPCを含む一部は、仕上がった音声1時間あたりで課金します。やっていることはどれも同じで、機械が文章を読み上げるだけです。それなのに、ふつうの小説を1冊読み上げると、合計額が最大50倍も違ってきます。その理由を見ていきましょう。

業界は文字数で課金する

市場の大半は、入力に対して課金します。読ませる文章に、1文字ずつ払う仕組みです。2026年半ば時点で、大手クラウド各社の新しい音声はおよそ100万文字あたり15〜30ドル。旧世代の安い音声なら約4ドル、プレミアム音声だと160ドルまで上がります。専門の音声サービスはもっと高く、従量課金で100万文字あたり約100ドル。月額プランも、月額を付いてくる文字数で割ると、100万文字あたり150ドル以上になります。

文字あたりの料金そのものは、ごまかしではありません。APIを1回ずつ呼んで音声合成だけを買う開発者にとっては、ごく自然な単位です。話がおかしくなるのは、使うのが開発者ではなく読み手で、しかも本を1冊まるごと持ち込んだときです。

本を文字数に換算するといくらになるか

ふつうの小説は9万〜12万語ほど。文字数にすると、およそ50万〜75万文字です。この文字数で計算すると、合計額が一気に見えてきます。大手クラウドの単価なら、小説1冊を一度読み上げて9〜18ドル。専門サービスの単価なら60〜100ドル。著者の原稿をオーディオブックに変換するサービスは、1冊あたりおよそ40ドルから数百ドルまで幅があります。

月額プランに付く文字数の枠も、計算してみると同じことです。ただ見えにくいだけ。月約22ドルの、クリエイター向けの中くらいのプランには、たいてい約12万文字が含まれます。多そうに聞こえますが、これは小説1冊の約5分の1。持っている本を聴きたいだけの人だと、その本1冊に5か月分の枠を使う計算です。（オーディオブックの月額サービスにも同じ落とし穴があって、聴かないかもしれない時間に毎月払い続けることになります。詳しくはこちらで書きました。）

これはどれも、隠された仕組みというわけではありません。もともと30秒のクリップや広告、アプリの案内音声のために作られた料金の付け方に、8万語の本を放り込んでいるだけの話です。

すべてを「聴く時間」に換算する

読み手が本当に気にするのは、何時間聴けるかです。ふつうの読み上げ速度だと、英語の文章では仕上がった音声1時間がおよそ55,000文字にあたります。さきほどの文字あたりの値段を時間あたりに直すと、大手クラウドで音声1時間あたり約0.85〜1.70ドル、専門サービスで5〜9ドル。10時間の小説を1つの声で、登場人物ごとのキャストなしで作ると、どこの単価を使うかで9〜90ドルの範囲になります。

BookNPCは、まったく同じものを仕上がった音声1時間あたり25セント、秒単位で計算します。その10時間の小説なら2.50ドル。しかも一度払えば音声は手元に残り、オフラインで何度でも聴き返せます。登場人物ひとりずつに声をつける（フルキャスト）のは、これとは別の一度きりの分析で、1ページおよそ3セント、こちらも一度きりです。その小説はアプリの中ではおよそ130ページなので、キャスト代は約4ドルで、フルキャストとスタジオ音声で仕上げても、合計は7ドルに届きません。

安いのは値引きではなく、仕組みが違うから

技術上の2つの選択が、この価格差を生んでいます。

1つ目は、何を単位にして課金するか。文字あたりの課金は、合成にいくらかかろうと関係なく、入力した文章に対して払わせます。BookNPCが課金するのは出力、つまり実際に受け取る音声の秒数です。それができるのは、オープンウェイトの音声モデルを自前のGPUで動かしているからです。いまのハードウェアなら、音声1時間ぶんの計算コストはわずかで、しかもまだ下がり続けています。オープンなモデルの品質が独自モデルに追いついた今、昔の仕組みで高くついていたのは、合成そのものではありませんでした。その周りをくるんでいた料金の付け方だったのです。仕上がった音声で課金すれば、その効率はそのまま使う人に返ってきます。

2つ目は、重い処理をどこに置くか。フルキャストのオーディオブックづくりは、実は2つの別々の作業に分かれます。1つは、小説の各行を誰が話しているかを見分けること。これは文章を読み解く作業なので、言語モデルによる一度きりの分析として動かし、ページ単位で本ごとに1回だけ課金します。もう1つは、その文章を声に変えること。これは書き出しの作業で、スタジオのクラウド音声を選んだときだけ時間で課金します。一度キャストをつけてしまえば、あとは端末内蔵の音声でいつまでも無料で再生できます。スタジオの書き出しは、あくまで任意のアップグレードであって、避けて通れない関所ではありません。

そして、ふつうのナレーターは無料で、時間の上限もありません。端末の音声を動かすのに、費用は一切かからないからです。スマートフォンにはもう十分に優秀なニューラル音声が入っていて、サーバーもいりません。それに月額を付けるのは、ゼロで動くものにわざわざ料金メーターを回すようなものです。

正直に書いておくこと

ほしいのが本ではなく短いクリップなら、BookNPCは向いていません。それでも、文字あたりの課金に付き合う必要はありません。姉妹アプリのVoiceNPCなら、同じ音声モデルを完全に端末の中だけで動かせます（iPhoneとApple Silicon搭載のMacに対応）。声を写し取ることもでき、そうした短い用途は無料枠でひととおりまかなえます。この記事で問題にした差が出るのは、文章が本のサイズになったときだけ。BookNPCが相手にするのは、そのサイズだけです。

ここまでの数字は、2026年7月に各社の公開されている料金ページから読み取り、丸めたものです。価格は動くので、どれか1つの数字をあてにする前に、最新のものを確かめてください。BookNPCの料金は料金ページにまとめてあります。端末のナレーターは無料、これはこれまでもこれからも同じ、つまりゼロです。