指南

按时间而非字符计费的 Azure 语音合成替代方案

Azure AI Speech 拥有最丰富的神经声音和区域设置之一，按字符计费：按量付费标价下，神经声音每 100 万字符 15 美元，HD 声音 22 美元，免费档每月 50 万字符。对于每天说上几个小时的应用，字符数很快就会累积起来。请注意：Supertonic 3 暂不支持中文，可朗读英语、日语、韩语等 31 种语言。

SuperClonica 语音合成 API 按时间计费，每月 5 美元起。下面是如实的比较以及如何切换请求。

免费试听声音 或在自己的服务器上运行引擎

216 小时的价格

按每分钟 1000 字符计算，216 小时语音约为 1300 万字符：按标价，Azure 神经声音约 194 美元，HD 声音 285 美元。SuperClonica 入门套餐每 10 分钟提供 3 分钟音频，不间断使用时同样的 216 小时每月只需 5 美元。

  • 免费：每天 1 分钟音频。
  • 入门，5 美元：每月最多 216 小时。
  • 作者，10 美元：最多 576 小时。
  • 专业版，20 美元：最多 1440 小时。
  • 工作室，50 美元：最多 4680 小时。

声音：目录而不是区域设置

Azure 按区域设置组织声音。SuperClonica 有由作者制作的角色、朗读者、播音员和日常声音目录，付费套餐无需购买即可通过 API 使用其中任何一个。自定义声音不需要申请：在网站上用自己的录音训练，然后像其他声音一样使用。

切换请求

不再使用 Speech SDK 或带 SSML 请求体的 Azure REST 端点，而是向 https://superclonica.com/api/v1/speech 发送 JSON，并在 Authorization: Bearer 中放入密钥：{"text": "...", "voice": "F1", "language": "en", "format": "mp3"}。加上 "stream": true 即可边到边播；在我们的测量中，第一个声音最快 300 毫秒到达。429 或 503 响应带有 Retry-After：等待相应时间后，用同一个 Idempotency-Key 重新发送。

什么时候 Azure 更合适

Azure 在语言和区域设置（包括中文）、带风格和口型（viseme）的 SSML、按地区托管、用于自有数据中心的容器以及企业合同方面领先。如果你的用量在每月 50 万字符以内，它的免费档可能不花钱。决定之前，用你自己的文本把两者都听一听。