ANLEITUNG

Eine Alternative zu Deepgram Aura für Apps, die Stunden an Text vertonen

Deepgram ist vor allem für Spracherkennung bekannt, und seine Aura-Stimmen liefern auch Text-to-Speech, abgerechnet pro Zeichen: 0,030 $ pro 1000 Zeichen für Aura-2, 0,015 $ für Aura-1 und 0,045 $ für Flux TTS zu nutzungsabhängigen Preisen, laut der Preisseite von Deepgram im Oktober 2026.

Die Sprach-API von SuperClonica rechnet stattdessen nach Zeit ab, ab 5 $ im Monat. Hier ein ehrlicher Vergleich.

Kostenlosen API-Schlüssel holen Stimmen kostenlos anhören Oder die Engine selbst betreiben

Der Preis einer Stunde

Bei 1000 Zeichen pro Minute kostet eine Stunde Sprache zu Listenpreisen etwa 1,80 $ mit Aura-2 und 0,90 $ mit Aura-1. Der Tarif Start von SuperClonica für 5 $ im Monat gibt alle 10 Minuten 3 Minuten Audio, bei pausenloser Nutzung bis zu 216 Stunden im Monat; dieselben 216 Stunden kosteten etwa 389 $ mit Aura-2 und 194 $ mit Aura-1.

  • Kostenlos: 1 Minute Audio pro Tag.
  • Start, 5 $: bis zu 216 Stunden im Monat.
  • Autor, 10 $: bis zu 576 Stunden.
  • Pro, 20 $: bis zu 1440 Stunden.
  • Studio, 50 $: bis zu 4680 Stunden.

Stimmen

Aura bietet eine Reihe von Stimmen für Gespräche. SuperClonica hat einen Katalog von Figuren-, Erzähler-, Ansager- und Alltagsstimmen verschiedener Autoren; im bezahlten Tarif funktioniert jede davon über die API, ebenso Stimmen, die Sie auf der Website aus Ihrer Aufnahme trainieren. Hören Sie jede vorher kostenlos auf ihrer Seite an.

Eine Anfrage umstellen

Senden Sie JSON an https://superclonica.com/api/v1/speech mit Authorization: Bearer und Ihrem Schlüssel: {"text": "...", "voice": "M1", "language": "de", "format": "mp3"}. Mit "stream": true beginnt das Audio in unseren Messungen ab 300 ms, egal wie lang der Text ist. Ein fehlgeschlagener Text zählt nicht gegen den Tarif.

Wann Deepgram die bessere Wahl ist

Deepgram liefert Spracherkennung, Text-to-Speech und eine Sprachagenten-API aus einer Hand, mit WebSocket-Streaming für Echtzeitgespräche, Mengenrabatten im Growth-Tarif und Unternehmenssupport. Hört Ihr Produkt so viel zu, wie es spricht, ist das ein echter Vorteil. Spricht es vor allem, und das stundenlang, vergleichen Sie den Preis pro Stunde.