Precios de la API Google Text-to-Speech: cuánto cuesta una hora de voz
Google Cloud Text-to-Speech cobra por carácter, y el precio depende del tipo de voz: de 4 $ a 160 $ por millón de caracteres. Esta guía recoge los precios de la página de Google en noviembre de 2026, los convierte en el coste de una hora de audio y los compara con un plan que cobra por tiempo.
Precios por millón de caracteres
Las voces Standard y WaveNet cuestan 4 $ por millón de caracteres, las Neural2 y Polyglot 16 $, las Chirp 3: HD 30 $, las Instant custom voice 60 $ y las Studio 160 $. Google cuenta cada carácter de la entrada, incluidos espacios y saltos de línea, y las etiquetas SSML salvo la etiqueta mark. Los modelos Gemini-TTS de Google Cloud se cobran por tokens y no tienen uso gratuito.
El nivel gratuito
Cada mes son gratis los primeros 4 millones de caracteres con voces Standard y WaveNet y el primer millón con Neural2, Polyglot, Chirp 3: HD y Studio. Las Instant custom voice no tienen nivel gratuito. A unos 1000 caracteres por minuto, la regla que usa ElevenLabs en su página de precios, 4 millones de caracteres son unas 66 horas de voz y un millón unas 16 horas.
Cuánto cuesta una hora
Una hora de voz son unos 60 000 caracteres. A precio de lista cuesta unos 0,24 $ con voces Standard o WaveNet, 0,96 $ con Neural2, 1,80 $ con Chirp 3: HD, 3,60 $ con una Instant custom voice y 9,60 $ con Studio. Las 216 horas que el plan Starter de SuperClonica de 5 $ locuta como máximo al mes costarían unos 52 $ con voces Standard, unos 36 $ tras el nivel gratuito, y unos 390 $ con Chirp 3: HD.
Las mismas horas en SuperClonica
La API de voz de SuperClonica cobra por tiempo, no por caracteres: un plan da minutos de audio en cada ventana de 10 minutos. Usado sin pausa, el plan Starter de 5 $ locuta hasta 216 horas al mes, el de 10 $ hasta 576, el de 20 $ hasta 1440 y el de 50 $ hasta 4680. Una clave gratuita da 3 minutos al día. Todas las voces del catálogo y tus propias voces entrenadas funcionan en cualquier plan, y el audio empieza a llegar desde 300 ms en nuestras mediciones. Supertonic 3 habla 31 idiomas; el chino aún no está entre ellos.
Cuándo conviene Google
Si locutas menos que el nivel gratuito, las voces Standard y WaveNet pueden no costarte nada. Google ofrece además muchos más idiomas y variantes regionales, incluido el chino, SSML, marcas de tiempo por palabra, alojamiento regional y las garantías de una gran nube. SuperClonica compensa cuando locutas muchas horas al mes, quieres voces de personajes o propias del catálogo o necesitas una factura fija.
Pruébalo con una petición
Consigue una clave gratuita en el sitio y envía el texto por POST a https://superclonica.com/api/v1/speech con la cabecera Authorization: Bearer y tu clave, y el cuerpo
{"text": "...", "voice": "F1", "language": "es"}Añade "format": "mp3" para MP3 o "stream": true para reproducir el audio a medida que llega.