Precios de las API de texto a voz: lo que cuesta de verdad una hora de audio
Las API de texto a voz cobran por carácter, así que la factura crece con cada frase que dice tu aplicación. Compararlas es incómodo: un servicio cuenta caracteres, otro bytes, un tercero vende créditos mensuales. Esta guía las lleva a una sola unidad, la hora de audio, con los precios de lista de sus páginas oficiales a 25 de octubre de 2026.
La API de voz de SuperClonica se cobra de otra forma: por tiempo, con un plan mensual fijo. Abajo verás lo que eso significa en horas y dónde los servicios por carácter siguen saliendo mejor.
Una sola unidad: la hora de audio
Un minuto de voz son unos 1000 caracteres de texto, la regla que usa la propia ElevenLabs en su página de precios. Una hora son entonces unos 60 000 caracteres, y 216 horas unos 13 millones. Los precios de abajo son de pago por uso por millón de caracteres, sin niveles gratuitos ni descuentos por volumen.
- Google Cloud, voces Standard: 4 $, una hora de audio ≈ 0,24 $.
- OpenAI tts-1, Azure Neural: 15 $, una hora ≈ 0,90 $.
- Amazon Polly Neural, Google Neural2: 16 $, una hora ≈ 0,96 $.
- OpenAI tts-1-hd, Google Chirp 3: HD, Deepgram Aura-2, Amazon Polly Generative: 30 $, una hora ≈ 1,80 $.
- ElevenLabs Flash / Turbo: 40 $, una hora ≈ 2,40 $; Multilingual v2 / v3: 80 $, una hora ≈ 4,80 $.
- Fish Audio S2.1 Pro: 15 $ por millón de bytes UTF-8, así que un texto en cirílico cuesta el doble que uno en inglés, y uno en japonés o coreano el triple.
Los planes de SuperClonica en horas
Un plan de SuperClonica da minutos de audio en cada ventana de 10 minutos, durante un mes pagado desde tu monedero en el sitio. Usado sin pausas, es lo máximo que un plan puede convertir en un mes:
- Gratis: 1 minuto de audio al día, sin tarjeta.
- Inicio, 5 $ al mes: 3 minutos cada 10 minutos, hasta 216 horas al mes.
- Autor, 10 $: 8 minutos cada 10 minutos, hasta 576 horas.
- Pro, 20 $: 25 minutos cada 10 minutos, hasta 1800 horas.
- Estudio, 50 $: 80 minutos cada 10 minutos, hasta 5760 horas.
Las mismas 216 horas en otros servicios
A 1000 caracteres por minuto, las 216 horas del plan de 5 $ son unos 13 millones de caracteres. A precio de lista eso es unos 52 $ con las voces Standard de Google, 194 $ con OpenAI tts-1 o Azure Neural, 207 $ con Amazon Polly Neural, 389 $ con OpenAI tts-1-hd, Google Chirp 3: HD o Deepgram Aura-2, unos 488 $ en el plan Scale de Cartesia, 518 $ con ElevenLabs Flash y 1037 $ con ElevenLabs Multilingual.
La página principal de SuperClonica recoge esta comparación en una tabla con todos los servicios lado a lado.
Cuándo sale mejor pagar por carácter
Un plan fijo compensa cuando conviertes mucho texto. Si tu aplicación dice unas pocas frases al día, un servicio por carácter con nivel gratuito puede no costarte nada. Las grandes nubes ofrecen además más idiomas, incluido el chino, que Supertonic 3 aún no habla, SSML, marcas de tiempo por palabra, alojamiento por regiones y contratos con garantía de disponibilidad. Compara también el sonido: las voces difieren más que los precios, y en SuperClonica puedes escuchar gratis cualquier voz del catálogo en su página antes de pagar.