ANLEITUNG

Eine Alternative zur TTS-API von Inworld und MiniMax mit Abrechnung nach Zeit

Inworld und MiniMax verkaufen einige der meistdiskutierten Text-to-Speech-APIs: ausdrucksstarke Stimmen, viele Sprachen und sofortiges Stimmklonen, abgerechnet nach Zeichen. In Apps, die viel sprechen – KI-Begleiter, Sprachagenten, Spiele mit Dialogen, lange Sprechertexte –, wächst die Rechnung mit jeder Zeile.

Die Sprach-API von SuperClonica rechnet stattdessen nach Zeit ab: 5 $ im Monat geben bei pausenloser Nutzung bis zu 216 Stunden Audio. Diese Anleitung vergleicht die Listenpreise pro Stunde Audio, geprüft auf den offiziellen Preisseiten im Oktober 2026, und sagt ehrlich, wann Inworld oder MiniMax die bessere Wahl ist.

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

Preise pro Stunde Audio

Eine Minute Sprache sind etwa 1.000 Zeichen, eine Stunde also etwa 60.000 Zeichen. Zu Listenpreisen:

  • Inworld TTS-2 Flash: 15 $ pro Million Zeichen nach Verbrauch, etwa 0,90 $ pro Stunde; 10 $ im Creator-Tarif für 25 $, etwa 0,60 $ pro Stunde; unter 5 $ bei Enterprise.
  • Inworld TTS-2: 25 $ pro Million Zeichen nach Verbrauch, etwa 1,50 $ pro Stunde; bei Enterprise bis etwa 0,30 $ pro Stunde.
  • MiniMax speech-2.8-turbo: 60 $ pro Million Zeichen, etwa 3,60 $ pro Stunde.
  • MiniMax speech-2.8-hd: 100 $ pro Million Zeichen, etwa 6 $ pro Stunde.
  • SuperClonica Start: 5 $ im Monat für bis zu 216 Stunden, etwa 0,023 $ pro Stunde bei voller Nutzung.

Was SuperClonica bietet

Die API streamt Audio nach unseren Messungen ab etwa 300 ms, vertont lange Texte auf mehreren Workern zugleich und funktioniert mit jeder der 190 Katalogstimmen oder einer aus Ihrer Aufnahme trainierten Stimme. Ein kostenloser Schlüssel gibt eine Minute Audio pro Tag ohne Karte, Sie können also vor dem Bezahlen testen. Die Tarife unterscheiden sich nur in Sekunden pro 10-Minuten-Fenster: Start 3 Minuten, Autor 8, Pro 20, Studio 65.

Wann Inworld oder MiniMax besser passt

Wählen Sie sie, wenn Sie Chinesisch brauchen, das Supertonic 3 noch nicht spricht, eine sehr breite Sprachliste, sofortiges Klonen aus einem kurzen Clip in der Anfrage oder ihre ausdrucksstärksten Modelle; und wenn Ihre App täglich nur wenig spricht, wo ein Freikontingent oder Abrechnung nach Verbrauch günstiger sein kann als jeder Tarif. Hören Sie die Stimmen beider mit Ihren eigenen Texten an: Stimmen unterscheiden sich stärker als Preise.