本記事では、Geminiで音声ファイルをアップロードする際のご利用方法・利用可能な音声ファイルの拡張子・料金などについてご案内します。
利用方法
画面上の「音声アップロード」アイコン（赤枠で示されたボタン）をクリックし、アップロードしたい音声ファイルを選択してください。
利用可能な音声ファイルの拡張子
- 利用可能な拡張子：aac／aiff／flac／mp3／ogg／m4a／opus／mpga
- 注意事項：音声ファイルのみ対応しています。動画ファイルはご利用いただけません。
アップロードする音声ファイル容量・長さの制限について
- 目安：お手元の端末性能にもよりますが、約2時間までの音声ファイルに対応しています。
- アップロード時に適切なファイル容量へシステム処理にて自動調整を行います。
モデル別の制限
Gemini 2.5 Flash / Gemini 2.5 Flash thinking
- Gemini 2.5 Flash系モデルの場合、アップロード可能な音声の長さは45分以内となります。
- 45分を超える場合：エラーが表示されます（この際、従量料金の加算はありません）。
- 45分を超える音声をアップロードしたい場合：恐れ入りますが、他のモデルのご利用をご検討ください。
- 注記：今後のモデルアップデートにより仕様が変更となる可能性があります。
Gemini 3.0 Flash / Gemini 3.1 Pro
- Gemini 3.0 Flash / Gemini 3.1 Proの場合、アップロード可能な音声の長さは1時間～2時間程度となります。
※ファイルの容量やお使いの端末の性能などによってアップロード可能なファイルの長さは異なります。
料金体系
- Economyモデル：無料
- Standardモデル
- 音声認識：1分あたりStandardプラン80文字換算
- 参考価格：10分 5.6円／30分 16.8円／60分 33.6円
- 文字生成：1,000文字あたり7円（入力プロンプト＋出力テキストの合計文字数が対象）
- 【for自治体/forアカデミーご利用の方】
従量比料金制ではなく、料金プランごとの利用可能文字数から消費される仕組みです。
- 音声認識：1分あたりStandardプラン80文字換算
参考記事