Cada provedor, classificado como o mais barato primeiro
| Provedor / voz | Por 1 milhão de caracteres | Por 1k caracteres | Seu custo mensal |
|---|
Por que o preço por personagem confunde as pessoas
Você pensa em minutos de áudio; a fatura está em caracteres de texto. Essa incompatibilidade esconde o custo real. Uma regra prática faz a ponte: as pessoas falam por aí 150 palavras por minuto, uma palavra tem média sobre 6 caracteres com espaços, então um minuto de discurso é aproximadamente 900 caracteres - e um milhão de caracteres é sobre 18 horas de áudio. Esta calculadora converte qualquer unidade que você tenha em caracteres e define o preço em todos os principais fornecedores, de modo que "geramos 40 horas de narração por mês" se torna um número que você pode realmente comparar.
O mercado se divide em níveis. Padrão vozes (AWS Polly Standard, Google Standard) são as mais baratas, custando cerca de US$ 4 por milhão de caracteres, e soam bem para IVR e alertas. Neural vozes (OpenAI TTS, Polly Neural, Google Neural2, Azure Neural) custam entre US$ 15 e 16 por milhão e são o padrão para a maioria dos produtos hoje. Clone de voz e emotivo mecanismos como o ElevenLabs são líderes em realismo, mas custam várias vezes mais e são cobrados por nível de assinatura, de modo que a taxa por caractere cai conforme você se compromete com um plano maior. Escolha o nível mais barato que supere sua barra de qualidade - a diferença entre o padrão e o premium costuma ser de 25 × para áudio que muitos ouvintes não conseguem distinguir.
Construindo um produto de voz de ponta a ponta? A fala é apenas uma perna. Combine isso com o calculadora de fala para texto para o lado ouvinte e para o Calculadora de agente de voz AI para adicionar o LLM no meio e obter o custo total por minuto de um bot falante.
Como usar
1. Insira seu volume mensal e escolha se é em caracteres, palavras ou minutos de áudio.
2. A calculadora converte tudo em caracteres (a unidade de cobrança) para você.
3. Leia a opção mais barata e uma opção neural representativa no topo.
4. Compare todos os provedores na tabela de classificação, por mil caracteres e por mês.
Erros comuns
Estimando em minutos e esquecendo a conversão. Sempre precifique em caracteres – é por isso que você será cobrado. Pagando por vozes premium em qualquer lugar. Use uma voz padrão barata para mensagens do sistema e reserve o clone caro para marketing ou atendimento. Ignorando os níveis gratuitos. A maioria dos provedores oferece um subsídio mensal que cobre inteiramente pequenos projetos. Gerando novamente áudio inalterado. O cache gerou fala para frases estáticas em vez de pagar para sintetizá-las novamente.
Perguntas frequentes
O ElevenLabs é realmente mais caro que o OpenAI TTS?
Por personagem, geralmente sim – mas depende do seu nível ElevenLabs, e muitas equipes aceitam o prêmio por suas vozes mais naturais, emotivas e clonáveis. Para narração neutra, OpenAI, Polly Neural ou Google Neural são muito mais baratos.
Os espaços e a pontuação contam como caracteres?
Geralmente sim – os provedores cobram a string de entrada bruta, incluindo espaços e pontuação. As tags SSML podem ou não contar dependendo do provedor.
Quantos caracteres equivale a uma hora de áudio?
Cerca de 54.000 caracteres em um ritmo natural (~150 palavras/min × ~6 caracteres/palavra × 60 min). Portanto, cerca de 18,5 horas cabem em um milhão de caracteres.
Qual é mais barato para alto volume?
Vozes padrão do AWS Polly ou Google por cerca de US$ 4 por milhão de caracteres. Se você precisa de qualidade neural, o cluster de aproximadamente US$ 15–16 é o seu andar; negociar taxas empresariais acima de alguns milhões de caracteres por mês.
Estimativa apenas. Os preços TTS são valores de referência e variam de acordo com voz, plano e região – verifique na página de preços de cada provedor.