指南

当你需要的是数小时而不是数分钟语音时的 Cartesia 替代方案

Cartesia 为实时应用打造快速的 Sonic 声音，套餐以积分出售：每个字符 1 积分，每分钟音频约 750 到 800 积分。根据 2026 年 10 月的 Cartesia 价格页面，每月 5 美元的 Pro 提供 10 万积分（约 2 小时语音），49 美元的 Startup 提供 125 万，299 美元的 Scale 提供 800 万。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 出售的是时间：每月 5 美元，不间断使用最多 216 小时。本指南如实比较两者。

免费获取 API 密钥 免费试听声音 或自己运行引擎

5 美元能买到什么

在 Cartesia，每月 5 美元可买 10 万积分，约 2 小时音频，该套餐超出部分每 100 万积分 65 美元。在 SuperClonica，每月 5 美元可在每个 10 分钟窗口内获得 3 分钟音频，每月最多 216 小时。按 Cartesia 自己给出的每分钟 750 到 800 积分计算，216 小时约需 1000 万积分：299 美元的 Scale 套餐加上约 200 万积分的超额（每 100 万 38 美元），总计约 375 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。

声音与流式传输

SuperClonica 付费套餐可通过 API 使用目录中的所有声音——由作者制作的角色、朗读者和播音员——以及你在网站上用自己的录音训练的声音。音频边生成边流式返回：在我们的测量中，无论文本多长，第一个声音最快 300 毫秒到达，约 16000 字符在 25.6 秒内朗读完毕。

切换请求

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。响应就是音频本身；429 和 503 响应带有 Retry-After。

什么时候 Cartesia 更合适

Cartesia 专为实时语音代理打造：可以通过 WebSocket 流式接收文本，在一处提供即时和专业声音克隆、语音识别和托管代理，并支持包括中文在内的更多语言。如果你的应用在实时对话中每天只说几分钟，它可能更合适。如果你要朗读文章、书籍、视频或机器人好几个小时，请比较每小时的价格。