ANLEITUNG

Text-to-Speech-API-Preise: was eine Stunde Audio wirklich kostet

Text-to-Speech-APIs rechnen pro Zeichen ab, die Rechnung wächst also mit jedem Satz, den Ihre App spricht. Der Vergleich ist mühsam: Ein Dienst zählt Zeichen, ein anderer Bytes, ein dritter verkauft Monatskontingente. Dieser Leitfaden bringt alle auf eine Einheit, die Stunde Audio, mit den Listenpreisen der offiziellen Seiten vom 25. Oktober 2026.

Die Sprach-API von SuperClonica wird anders abgerechnet: nach Zeit, mit einem festen Monatstarif. Unten sehen Sie, was das in Stunden bedeutet und wo die Abrechnung pro Zeichen trotzdem günstiger ist.

Stimmen kostenlos anhören Oder die Engine selbst betreiben

Eine Einheit: die Stunde Audio

Eine Minute Sprache entspricht etwa 1000 Zeichen Text – so rechnet auch ElevenLabs auf seiner Preisseite. Eine Stunde sind dann etwa 60 000 Zeichen, 216 Stunden etwa 13 Millionen. Die Preise unten gelten pro Million Zeichen bei nutzungsabhängiger Abrechnung, ohne Gratiskontingente und Mengenrabatte.

  • Google Cloud, Standard-Stimmen: 4 $, eine Stunde Audio ≈ 0,24 $.
  • OpenAI tts-1, Azure Neural: 15 $, eine Stunde ≈ 0,90 $.
  • Amazon Polly Neural, Google Neural2: 16 $, eine Stunde ≈ 0,96 $.
  • OpenAI tts-1-hd, Google Chirp 3: HD, Deepgram Aura-2, Amazon Polly Generative: 30 $, eine Stunde ≈ 1,80 $.
  • ElevenLabs Flash / Turbo: 40 $, eine Stunde ≈ 2,40 $; Multilingual v2 / v3: 80 $, eine Stunde ≈ 4,80 $.
  • Fish Audio S2.1 Pro: 15 $ pro Million UTF-8-Bytes – ein kyrillischer Text kostet daher doppelt so viel wie ein englischer, ein japanischer oder koreanischer dreimal so viel.

Die Tarife von SuperClonica in Stunden

Ein Tarif von SuperClonica gibt Minuten Audio in jedem 10-Minuten-Fenster, für einen Monat, bezahlt aus Ihrer Wallet auf der Website. Ohne Pause genutzt, ist das die Obergrenze eines Monats:

  • Kostenlos: 1 Minute Audio pro Tag, keine Karte nötig.
  • Start, 5 $ im Monat: 3 Minuten alle 10 Minuten, bis zu 216 Stunden im Monat.
  • Autor, 10 $: 8 Minuten alle 10 Minuten, bis zu 576 Stunden.
  • Pro, 20 $: 25 Minuten alle 10 Minuten, bis zu 1800 Stunden.
  • Studio, 50 $: 80 Minuten alle 10 Minuten, bis zu 5760 Stunden.

Dieselben 216 Stunden anderswo

Bei 1000 Zeichen pro Minute sind die 216 Stunden des 5-$-Tarifs etwa 13 Millionen Zeichen. Zu Listenpreisen sind das etwa 52 $ mit Google-Standard-Stimmen, 194 $ mit OpenAI tts-1 oder Azure Neural, 207 $ mit Amazon Polly Neural, 389 $ mit OpenAI tts-1-hd, Google Chirp 3: HD oder Deepgram Aura-2, etwa 488 $ im Scale-Tarif von Cartesia, 518 $ mit ElevenLabs Flash und 1037 $ mit ElevenLabs Multilingual.

Auf der Startseite von SuperClonica steht dieser Vergleich als Tabelle mit allen Diensten nebeneinander.

Wann die Abrechnung pro Zeichen günstiger ist

Ein fester Tarif lohnt sich, wenn Sie viel vertonen. Spricht Ihre App nur ein paar Sätze am Tag, kostet ein Dienst mit Gratiskontingent womöglich gar nichts. Die großen Clouds bieten außerdem mehr Sprachen, darunter Chinesisch, das Supertonic 3 noch nicht spricht, dazu SSML, Wort-Zeitmarken, Hosting in Ihrer Region und Verträge mit Verfügbarkeitsgarantie. Vergleichen Sie auch den Klang: Stimmen unterscheiden sich stärker als Preise, und bei SuperClonica hören Sie jede Katalogstimme vorher kostenlos auf ihrer Seite.