AITuber 配信コスト構造

aitubercostllmttsstreaming

AITuber の配信を回すために必要なランニングコストの構造分析。コストは大きく LLM（対話生成） と TTS（音声合成） の 2 つで構成される。

コスト構造

ユーザー入力（コメント等）
    ↓
  LLM（対話生成）  ← コスト①
    ↓ テキスト
  TTS（音声合成）  ← コスト②
    ↓ 音声
  配信出力（OBS 等）← 固定費（サーバー/回線のみ）

LLM と TTS の 2 つが従量課金で、配信基盤自体のコストはほぼ無視できる。

LLM コスト

1 分あたりのやりとりで $0.02（Haiku 4.5 の場合）を基準とした試算。

モデル入出力単価比 (対 Haiku)1 時間あたり月間 (毎日 1h)
Haiku 4.51x$1.20（≒ ¥180）≒ ¥5,400
Sonnet 4.6~4x~$4.80（≒ ¥720）≒ ¥21,600
Opus 4.6~20x~$24.00（≒ ¥3,600）≒ ¥108,000

AITuber 用途では Haiku が圧倒的にコスパが良い。応答品質は配信のカジュアルなやりとりには十分。

TTS コスト

日本語の発話速度（約 300〜400 文字/分）を前提に、AI が半分の時間しゃべると仮定すると 1 時間あたり約 10,000 文字（30 分発話 × 350 文字/分）。

TTS サービス単価1 時間あたり月間 (毎日 1h)
AivisHub0.044 cr/文字（1 cr = ¥1）¥440¥13,200
Google Cloud TTS (WaveNet)¥2,400/100 万文字≒ ¥24≒ ¥720
Amazon Polly (Neural)¥2,400/100 万文字≒ ¥24≒ ¥720
Azure TTS¥2,400/100 万文字 + 無料枠≒ ¥24≒ ¥720
VOICEVOX (ローカル)¥0（電気代のみ）¥0¥0
Style-Bert-VITS2 (ローカル)¥0（電気代のみ）¥0¥0

AivisHub はクラウド TTS の約 18 倍の単価。ただしアニメ声系の音声品質は AivisHub / VOICEVOX が上。Google / AWS / Azure は英語品質は高いが日本語キャラクター音声には向かない。

合算コスト（1 時間配信）

Haiku + 各 TTS の組み合わせ：

構成LLMTTS合計/時間月間 (毎日 1h)
Haiku + AivisHub¥180¥440¥620¥18,600
Haiku + クラウド TTS¥180¥24¥204¥6,120
Haiku + VOICEVOX (ローカル)¥180¥0¥180¥5,400

コスト支配要因

AivisHub を使う場合、コスト比は TTS 7 : LLM 3 で TTS が支配的。VOICEVOX に切り替えるだけでコストが 1/3 以下になる。

コスト削減の効果が大きい順：

  1. TTS をローカル実行に切り替える（VOICEVOX / Style-Bert-VITS2） → TTS コスト ¥0 化、最大のインパクト
  2. 発話量を減らす（短い応答、間を作る、テンポ設計） → TTS が従量の場合に直接効く
  3. LLM モデルの選択 → Haiku なら既に最安ライン。Sonnet 以上は 4 倍〜20 倍

TTS をローカル化した場合、LLM コストだけが残り 毎日 1 時間配信で月額 ¥5,400。これは個人 AITuber にとって十分現実的なライン。

前提と留意事項

押さえどころ（カード化候補）

関連

Graph

Backlinks