GUIA

Preços das APIs de texto para fala: quanto custa de verdade uma hora de áudio

As APIs de texto para fala cobram por caractere, então a conta cresce a cada frase que o seu aplicativo diz. Compará-las é trabalhoso: um serviço conta caracteres, outro bytes, um terceiro vende créditos mensais. Este guia leva todos a uma só unidade, a hora de áudio, com os preços de tabela das páginas oficiais em 25 de outubro de 2026.

A API de voz da SuperClonica cobra de outro jeito: por tempo, com um plano mensal fixo. Abaixo você vê o que isso significa em horas e onde os serviços por caractere ainda saem mais em conta.

Ouvir as vozes de graça Ou rodar o motor você mesmo

Uma só unidade: a hora de áudio

Um minuto de fala tem cerca de 1000 caracteres de texto, a regra que a própria ElevenLabs usa na página de preços. Uma hora são então cerca de 60 000 caracteres, e 216 horas cerca de 13 milhões. Os preços abaixo são de pagamento por uso por milhão de caracteres, sem cotas gratuitas nem descontos por volume.

  • Google Cloud, vozes Standard: US$ 4, uma hora de áudio ≈ US$ 0,24.
  • OpenAI tts-1, Azure Neural: US$ 15, uma hora ≈ US$ 0,90.
  • Amazon Polly Neural, Google Neural2: US$ 16, uma hora ≈ US$ 0,96.
  • OpenAI tts-1-hd, Google Chirp 3: HD, Deepgram Aura-2, Amazon Polly Generative: US$ 30, uma hora ≈ US$ 1,80.
  • ElevenLabs Flash / Turbo: US$ 40, uma hora ≈ US$ 2,40; Multilingual v2 / v3: US$ 80, uma hora ≈ US$ 4,80.
  • Fish Audio S2.1 Pro: US$ 15 por milhão de bytes UTF-8, então um texto em cirílico custa o dobro de um em inglês, e um em japonês ou coreano o triplo.

Os planos da SuperClonica em horas

Um plano da SuperClonica dá minutos de áudio em cada janela de 10 minutos, por um mês pago com a sua carteira no site. Usado sem pausas, é o máximo que um plano gera em um mês:

  • Grátis: 1 minuto de áudio por dia, sem cartão.
  • Inicial, US$ 5 por mês: 3 minutos a cada 10 minutos, até 216 horas por mês.
  • Autor, US$ 10: 8 minutos a cada 10 minutos, até 576 horas.
  • Pro, US$ 20: 25 minutos a cada 10 minutos, até 1800 horas.
  • Estúdio, US$ 50: 80 minutos a cada 10 minutos, até 5760 horas.

As mesmas 216 horas em outros serviços

A 1000 caracteres por minuto, as 216 horas do plano de US$ 5 são cerca de 13 milhões de caracteres. A preço de tabela isso dá cerca de US$ 52 com as vozes Standard do Google, US$ 194 com OpenAI tts-1 ou Azure Neural, US$ 207 com Amazon Polly Neural, US$ 389 com OpenAI tts-1-hd, Google Chirp 3: HD ou Deepgram Aura-2, cerca de US$ 488 no plano Scale da Cartesia, US$ 518 com ElevenLabs Flash e US$ 1037 com ElevenLabs Multilingual.

A página inicial da SuperClonica mostra essa comparação em uma tabela com todos os serviços lado a lado.

Quando pagar por caractere sai melhor

Um plano fixo compensa quando você gera muito áudio. Se o seu aplicativo diz poucas frases por dia, um serviço por caractere com cota gratuita pode não custar nada. As grandes nuvens também oferecem mais idiomas, incluindo o chinês, que o Supertonic 3 ainda não fala, SSML, marcações de tempo por palavra, hospedagem por região e contratos com garantia de disponibilidade. Compare também o som: as vozes diferem mais do que os preços, e na SuperClonica você ouve de graça qualquer voz do catálogo na página dela antes de pagar.