Preise der Google Text-to-Speech API: was eine Stunde Sprache kostet
Google Cloud Text-to-Speech rechnet nach Zeichen ab, und der Preis hängt vom Stimmentyp ab: von 4 $ bis 160 $ pro Million Zeichen. Dieser Leitfaden nennt die Preise von Googles Preisseite im November 2026, rechnet sie in die Kosten einer Stunde Audio um und vergleicht sie mit einem Tarif, der nach Zeit abrechnet.
Preise pro Million Zeichen
Standard- und WaveNet-Stimmen kosten 4 $ pro Million Zeichen, Neural2- und Polyglot-Stimmen 16 $, Chirp 3: HD 30 $, Instant Custom Voices 60 $ und Studio-Stimmen 160 $. Google zählt jedes Zeichen der Eingabe, auch Leerzeichen und Zeilenumbrüche, sowie SSML-Tags außer dem mark-Tag. Die Gemini-TTS-Modelle in Google Cloud werden stattdessen nach Tokens abgerechnet und haben kein Gratiskontingent.
Das Gratiskontingent
Jeden Monat sind die ersten 4 Millionen Zeichen mit Standard- und WaveNet-Stimmen kostenlos und die erste Million mit Neural2, Polyglot, Chirp 3: HD und Studio. Instant Custom Voices haben kein Gratiskontingent. Bei etwa 1.000 Zeichen pro Minute, der Faustregel von ElevenLabs auf seiner Preisseite, sind 4 Millionen Zeichen rund 66 Stunden Sprache und eine Million etwa 16 Stunden.
Was eine Stunde kostet
Eine Stunde Sprache sind etwa 60.000 Zeichen. Zum Listenpreis kostet sie etwa 0,24 $ mit Standard oder WaveNet, 0,96 $ mit Neural2, 1,80 $ mit Chirp 3: HD, 3,60 $ mit einer Instant Custom Voice und 9,60 $ mit Studio. Die 216 Stunden, die der Starter-Tarif von SuperClonica für 5 $ höchstens im Monat vertont, kämen mit Standard-Stimmen auf etwa 52 $, nach dem Gratiskontingent auf etwa 36 $, und mit Chirp 3: HD auf etwa 390 $.
Dieselben Stunden bei SuperClonica
Die Sprach-API von SuperClonica rechnet nach Zeit, nicht nach Zeichen: Ein Tarif gibt Audiominuten in jedem 10-Minuten-Fenster. Ohne Pause genutzt, vertont der Starter-Tarif für 5 $ bis zu 216 Stunden im Monat, der für 10 $ bis zu 576, für 20 $ bis zu 1.440 und für 50 $ bis zu 4.680. Ein kostenloser Schlüssel gibt 3 Minuten am Tag. Alle Katalogstimmen und Ihre eigenen trainierten Stimmen laufen in jedem Tarif, und der Ton kommt in unseren Messungen ab 300 ms. Supertonic 3 spricht 31 Sprachen; Chinesisch ist noch nicht dabei.
Wann Google die bessere Wahl ist
Wenn Sie weniger als das Gratiskontingent vertonen, kosten Standard- und WaveNet-Stimmen womöglich gar nichts. Google bietet außerdem viel mehr Sprachen und regionale Varianten, auch Chinesisch, dazu SSML, Wort-Zeitstempel, regionales Hosting und die Garantien einer großen Cloud. SuperClonica lohnt sich, wenn Sie viele Stunden im Monat vertonen, Figuren- oder eigene Stimmen aus dem Katalog wollen oder eine feste Rechnung brauchen.
In einer Anfrage ausprobieren
Holen Sie sich auf der Website einen kostenlosen Schlüssel und senden Sie Text per POST an https://superclonica.com/api/v1/speech mit dem Header Authorization: Bearer und Ihrem Schlüssel sowie dem Body
{"text": "...", "voice": "F1", "language": "de"}Fügen Sie "format": "mp3" für MP3 hinzu oder "stream": true, um den Ton schon beim Eintreffen abzuspielen.