Google Text-to-Speech API 价格：一小时语音要多少钱

每百万字符价格

Standard 和 WaveNet 语音每百万字符 4 美元，Neural2 和 Polyglot 16 美元，Chirp 3: HD 30 美元，Instant custom voice 60 美元，Studio 160 美元。Google 计算输入中的每个字符，包括空格和换行，以及除 mark 标签以外的 SSML 标签。Google Cloud 上的 Gemini-TTS 模型按 token 计费，没有免费用量。

免费额度

每月 Standard 和 WaveNet 语音的前 400 万字符免费，Neural2、Polyglot、Chirp 3: HD 和 Studio 的前 100 万字符免费。Instant custom voice 没有免费额度。按 ElevenLabs 在价格页上使用的每分钟约 1,000 字符计算，400 万字符约 66 小时语音，100 万字符约 16 小时。

一小时的费用

一小时语音约 6 万字符。按标价，Standard 或 WaveNet 约 0.24 美元，Neural2 0.96 美元，Chirp 3: HD 1.80 美元，Instant custom voice 3.60 美元，Studio 9.60 美元。SuperClonica 5 美元 Starter 套餐每月最多生成的 216 小时，用 Standard 语音约 52 美元（扣除免费额度约 36 美元），用 Chirp 3: HD 约 390 美元。

同样的时长在 SuperClonica

SuperClonica 语音 API 按时长而不是按字符计费：套餐在每个 10 分钟窗口内提供若干分钟音频。不间断使用时，5 美元的 Starter 套餐每月最多可生成 216 小时，10 美元最多 576 小时，20 美元最多 1,440 小时，50 美元最多 4,680 小时。免费密钥每天 3 分钟。所有目录声音和你自己训练的声音在任何套餐都可用，在我们的测量中音频从 300 毫秒开始返回。Supertonic 3 支持 31 种语言，暂不支持中文。

什么时候选 Google 更好

如果用量在免费额度以内，Standard 和 WaveNet 语音可能完全免费。Google 还提供包括中文在内的多得多的语言和地区变体、SSML、单词时间戳、区域托管以及大型云的保障。当你每月生成很多小时、想用目录中的角色或自有声音、或需要固定账单时，SuperClonica 更划算。

一次请求即可试用

在网站上获取免费密钥，然后用请求头 Authorization: Bearer 加上你的密钥、请求体

{"text": "...", "voice": "F1", "language": "en"}

向 https://superclonica.com/api/v1/speech 发送 POST 请求。需要 MP3 时加上 "format": "mp3"，想边接收边播放时加上 "stream": true。