How is text-to-speech priced?

Almost every TTS API charges per character of input text, usually quoted per 1 million characters. Standard voices run around $4 per million characters, neural voices around $16, OpenAI's TTS about $15, and premium voice-clone providers like ElevenLabs are higher and tier-dependent. A handy rule: one minute of speech is roughly 150 spoken words, which is about 900 characters, so a million characters is roughly 18 hours of audio.

Which text-to-speech API is cheapest?

For plain standard voices, AWS Polly Standard and Google Standard are the cheapest at about $4 per million characters. For modern neural voices, OpenAI TTS, AWS Polly Neural, Google Neural and Azure Neural cluster around $15-16 per million. The most natural cloned and emotive voices (ElevenLabs) cost more and depend on your subscription tier. This calculator ranks them all for your volume so you can see the trade-off.

How many characters is one minute of audio?

About 900 characters, based on a natural speaking rate of roughly 150 words per minute and about 6 characters per word including spaces. So an hour of narration is around 54,000 characters, and a million characters is roughly 18 hours of speech. Enter minutes directly in this calculator and it converts to characters for billing automatically.

Calculateur de coût de l'API de synthèse vocale

Calculateur du coût de l'API de synthèse vocale

✓ Dernière vérification : 2026-07-15· Source : page officielle des tarifs du fournisseur· Auto-surveillé - signaler un changement →

TTS est facturé par personnage de texte, pas par minute d’audio – ce qui rend les fournisseurs difficiles à comparer. Entrez votre volume en caractères, mots ou minutes et voyez chaque API vocale majeure classée la moins chère en premier, par 1 000 caractères et par mois.

Pourquoi la tarification par personnage fait trébucher les gens

Vous pensez en minutes d'audio ; le projet de loi est en caractères de texte. Cette inadéquation cache le coût réel. Une règle empirique fait le pont : les gens parlent autour d'eux 150 mots par minute, un mot fait en moyenne environ 6 caractères avec des espaces, donc une minute de discours équivaut à peu près 900 caractères - et un million de caractères, c'est environ 18 heures de l'audio. Cette calculatrice convertit l'unité dont vous disposez en caractères et la tarife chez tous les principaux fournisseurs, de sorte que « nous générons 40 heures de narration par mois » devient un nombre que vous pouvez réellement comparer.

Le marché se divise en niveaux. Standard les voix (AWS Polly Standard, Google Standard) sont les moins chères, à environ 4 $ par million de caractères, et sonnent bien pour l'IVR et les alertes. Neural les voix (OpenAI TTS, Polly Neural, Google Neural2, Azure Neural) coûtent entre 15 et 16 dollars par million et constituent aujourd'hui la valeur par défaut pour la plupart des produits. Clone de voix et émotif les moteurs comme ElevenLabs sont en tête du réalisme mais coûtent plusieurs fois plus cher et sont tarifés par niveau d'abonnement, de sorte que le tarif par personnage diminue à mesure que vous vous engagez dans un plan plus important. Choisissez le niveau le moins cher qui dépasse votre barre de qualité – l’écart entre standard et premium est souvent de 25× pour l’audio que de nombreux auditeurs ne peuvent pas distinguer.

Construire un produit vocal de bout en bout ? La parole n'est qu'une jambe. Associez-le avec le calculateur de synthèse vocale pour le côté écoute et le Calculateur d'agent vocal IA pour ajouter le LLM au milieu et obtenir le coût total par minute d'un robot parlant.

Comment l'utiliser

1. Saisissez votre volume mensuel et choisissez s'il est en caractères, en mots ou en minutes d'audio.
2. La calculatrice convertit tout en caractères (l'unité de facturation) pour vous.
3. Lisez l'option la moins chère et une option neuronale représentative en haut.
4. Comparez chaque fournisseur dans le tableau classé, par 1 000 caractères et par mois.

Erreurs courantes

Estimer en quelques minutes et oublier la conversion. Fixez toujours le prix en caractères : c'est ce pour quoi vous êtes facturé. Payer pour des voix premium partout. Utilisez une voix standard bon marché pour les messages système et réservez le clone coûteux pour le marketing ou le front-of-house. Ignorer les niveaux gratuits. La plupart des fournisseurs accordent une allocation mensuelle de caractère qui couvre entièrement les petits projets. Régénération de l'audio inchangé. Le cache générait la parole pour les phrases statiques au lieu de payer pour les synthétiser à nouveau.

FAQ

ElevenLabs est-il vraiment plus cher qu'OpenAI TTS ?

Par personnage, généralement oui – mais cela dépend de votre niveau ElevenLabs, et de nombreuses équipes acceptent la prime pour ses voix plus naturelles, émotives et clonables. Pour une narration neutre, OpenAI, Polly Neural ou Google Neural sont bien moins chers.

Les espaces et la ponctuation comptent-ils comme des caractères ?

Généralement oui : les fournisseurs facturent la chaîne d'entrée brute, y compris les espaces et la ponctuation. Les balises SSML peuvent ou non compter selon le fournisseur.

Combien de caractères représente une heure d’audio ?

Environ 54 000 caractères à un rythme naturel (~150 mots/min × ~6 caractères/mot × 60 min). Donc, environ 18,5 heures correspondent à un million de caractères.

Quel est le moins cher pour un volume élevé ?

Voix standard d'AWS Polly ou de Google à environ 4 $ par million de caractères. Si vous avez besoin de qualité neuronale, le cluster ~15-16 $ est votre étage ; négocier des tarifs d'entreprise supérieurs à quelques millions de caractères par mois.

Estimation seulement. Les prix TTS sont des chiffres de référence et varient selon la voix, le forfait et la région — vérifiez sur la page de tarification de chaque fournisseur.

Questions fréquemment posées

Comment est tarifé la synthèse vocale ?

Presque toutes les API TTS facturent par caractère de texte saisi, généralement indiqué pour 1 million de caractères. Les voix standard coûtent environ 4 dollars par million de caractères, les voix neuronales environ 16 dollars, le TTS d'OpenAI environ 15 dollars et les fournisseurs de clones vocaux premium comme ElevenLabs sont plus élevés et dépendent du niveau. Une règle pratique : une minute de discours équivaut à environ 150 mots prononcés, soit environ 900 caractères, donc un million de caractères équivaut à environ 18 heures d'audio.

Quelle API de synthèse vocale est la moins chère ?

Pour les voix standard simples, AWS Polly Standard et Google Standard sont les moins chers, à environ 4 $ par million de caractères. Pour les voix neuronales modernes, OpenAI TTS, AWS Polly Neural, Google Neural et Azure Neural se regroupent autour de 15 à 16 $ par million. Les voix clonées et émotives les plus naturelles (ElevenLabs) coûtent plus cher et dépendent de votre niveau d'abonnement. Cette calculatrice les classe tous en fonction de votre volume afin que vous puissiez voir le compromis.

Combien de caractères représente une minute d’audio ?

Environ 900 caractères, sur la base d'un débit naturel d'environ 150 mots par minute et d'environ 6 caractères par mot, espaces compris. Ainsi, une heure de narration équivaut à environ 54 000 caractères, et un million de caractères équivaut à environ 18 heures de discours. Entrez les minutes directement dans cette calculatrice et elle sera automatiquement convertie en caractères pour la facturation.