指南

Inworld 和 MiniMax 语音合成 API 的替代方案：按时长计费

请注意：SuperClonica 使用的 Supertonic 3 目前不支持中文，本文适用于其支持的 31 种语言。Inworld 和 MiniMax 提供当下热门的语音合成 API：富有表现力的声音、众多语言和即时声音克隆，按字符计费。对于说话很多的应用，例如 AI 陪伴、语音智能体、对话丰富的游戏或长篇旁白，按字符计费的账单会随着每句台词增长。

SuperClonica 语音合成 API 按时长计费：每月 5 美元，不间断使用最多 216 小时音频。本指南比较 2026 年 10 月在官方价格页核实的每小时音频标价，并如实说明什么时候 Inworld 或 MiniMax 更合适。

免费获取 API 密钥 试听声音 或自己运行引擎

每小时音频的价格

一分钟语音约 1,000 个字符，一小时约 60,000 个字符。按标价计算：

  • Inworld TTS-2 Flash：按需每百万字符 15 美元，约每小时 0.90 美元；25 美元的 Creator 套餐为 10 美元，约每小时 0.60 美元；Enterprise 低于 5 美元。
  • Inworld TTS-2：按需每百万字符 25 美元，约每小时 1.50 美元；Enterprise 可低至约每小时 0.30 美元。
  • MiniMax speech-2.8-turbo：每百万字符 60 美元，约每小时 3.60 美元。
  • MiniMax speech-2.8-hd：每百万字符 100 美元，约每小时 6 美元。
  • SuperClonica 入门：每月 5 美元最多 216 小时，用满时约每小时 0.023 美元。

SuperClonica 能提供什么

按我们的测量，API 最快约 300 毫秒开始流式返回音频，长文本会在多个 worker 上同时合成，可使用目录中 190 种声音中的任意一种，或用你的录音训练的声音。免费密钥每天 1 分钟音频、无需银行卡，可以先试后付。套餐之间只有每个 10 分钟窗口的秒数不同：入门 3 分钟，作者 8 分钟，专业版 20 分钟，工作室 65 分钟。

什么时候 Inworld 或 MiniMax 更合适

如果你需要中文（Supertonic 3 暂不支持）、非常广泛的语言列表、在请求时凭一小段录音即时克隆，或它们最有表现力的模型，请选择它们；如果你的应用每天只说很少的话，免费额度或按量付费可能比任何套餐都便宜。决定之前，请用自己的文本试听各家的声音：声音之间的差别比价格更大。