指南

语音合成 API 价格：一小时音频到底要花多少钱

语音合成 API 按字符计费，应用每多说一句话，账单就多一分。比较起来也不方便：有的服务数字符，有的数字节，有的卖月度额度。本指南以 2026 年 10 月 25 日各官方页面的标价为准，把它们统一换算成同一个单位：一小时音频。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 的计费方式不同：按时间计费，月度固定套餐。下面说明这换算成小时意味着什么，以及在哪些情况下按字符计费的服务仍更划算。

免费试听声音 或自己运行引擎

统一单位：一小时音频

一分钟语音约等于 1000 个字符的文本，ElevenLabs 自己的价格页也用这个估算。这样一小时约 6 万字符，216 小时约 1300 万字符。以下是按量付费的每 100 万字符标价，不含免费额度和批量折扣。

  • Google Cloud Standard 声音：4 美元，一小时音频 ≈ 0.24 美元。
  • OpenAI tts-1、Azure Neural：15 美元，一小时 ≈ 0.90 美元。
  • Amazon Polly Neural、Google Neural2：16 美元，一小时 ≈ 0.96 美元。
  • OpenAI tts-1-hd、Google Chirp 3: HD、Deepgram Aura-2、Amazon Polly Generative：30 美元，一小时 ≈ 1.80 美元。
  • ElevenLabs Flash / Turbo：40 美元，一小时 ≈ 2.40 美元；Multilingual v2 / v3：80 美元，一小时 ≈ 4.80 美元。
  • Fish Audio S2.1 Pro：每 100 万 UTF-8 字节 15 美元，因此西里尔文本的价格是英文的两倍，日文或韩文是三倍。

按小时看 SuperClonica 套餐

SuperClonica 套餐规定每个 10 分钟窗口内可用的音频分钟数，在网站钱包中按月购买。不间断使用时，每月上限如下：

  • 免费：每天 1 分钟音频，无需绑卡。
  • 入门，每月 5 美元：每 10 分钟 3 分钟，每月最多 216 小时。
  • 作者，10 美元：每 10 分钟 8 分钟，最多 576 小时。
  • 专业版，20 美元：每 10 分钟 25 分钟，最多 1800 小时。
  • 工作室，50 美元：每 10 分钟 80 分钟，最多 5760 小时。

同样的 216 小时在别处的价格

按每分钟 1000 字符计算，5 美元套餐的 216 小时约为 1300 万字符。按标价计算，Google Standard 声音约 52 美元，OpenAI tts-1 或 Azure Neural 194 美元，Amazon Polly Neural 207 美元，OpenAI tts-1-hd、Google Chirp 3: HD 或 Deepgram Aura-2 389 美元，Cartesia Scale 套餐约 488 美元，ElevenLabs Flash 518 美元，ElevenLabs Multilingual 1037 美元。

SuperClonica 首页把这一对比做成了表格，所有服务并排列出。

什么时候按字符计费更划算

固定套餐在大量生成时才划算。如果你的应用每天只说几句话，带免费额度的按字符计费服务可能根本不花钱。大型云服务还提供更多语言（包括 Supertonic 3 尚不支持的中文）、SSML、逐词时间戳、按地区托管以及带可用性保证的合同。也请比较声音：声音之间的差别比价格更大，在 SuperClonica 上，目录中的每个声音都可以在付费前于其页面免费试听。