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.

Calculadora de custos da API de conversão de texto em fala

✓ Última verificação: 15/08/2026· Fonte: página oficial de preços do fornecedor· Monitorado automaticamente — relatar alteração →

O TTS é cobrado por personagem de texto, não por minuto de áudio – o que torna difícil comparar os provedores. Insira seu volume em caracteres, palavras ou minutos e veja todas as principais APIs de voz classificadas como as mais baratas primeiro, por 1.000 caracteres e por mês.

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.

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.

Como funciona esta calculadora

O Calculadora de custos da API Text-to-Speech estima seu gasto mensal na conversão de texto em áudio falado em grandes provedores como ElevenLabs, OpenAI TTS, Google, Azure e AWS. Você insere seu volume mensal e selecione como é medido em — caracteres, palavras ou minutos de áudio — e a ferramenta normaliza esse valor para a unidade de faturamento de cada provedor antes de aplicar sua taxa por unidade. Como a maioria dos serviços é cobrada por caracteres sintetizados, os principais impulsionadores do seu custo são o comprimento total do texto e o provedor ou nível de voz que você escolhe, uma vez que as vozes neurais premium normalmente custam mais do que as padrão.

A principal compensação a observar é preço versus qualidade de voz: o fornecedor mais barato por personagem raramente é aquele com o resultado mais natural. Antes de confirmar, confirme como cada serviço conta um “caractere” – alguns incluem espaços, pontuação e SSML marcação, que pode inflar silenciosamente seu volume faturado acima da contagem de palavras brutas que você inseriu.

Perguntas frequentes

Qual é o preço da conversão de texto em voz?

Quase todas as APIs TTS cobram por caractere de texto de entrada, geralmente cotado por 1 milhão de caracteres. As vozes padrão custam cerca de US$ 4 por milhão de caracteres, as vozes neurais custam cerca de US$ 16, o TTS da OpenAI cerca de US$ 15 e os provedores premium de clones de voz, como o ElevenLabs, são superiores e dependem do nível. Uma regra útil: um minuto de fala equivale a aproximadamente 150 palavras faladas, o que equivale a cerca de 900 caracteres, então um milhão de caracteres equivale a aproximadamente 18 horas de áudio.

Qual API de conversão de texto em fala é mais barata?

Para vozes padrão simples, AWS Polly Standard e Google Standard são os mais baratos, custando cerca de US$ 4 por milhão de caracteres. Para vozes neurais modernas, OpenAI TTS, AWS Polly Neural, Google Neural e Azure Neural agrupam-se em torno de US$ 15-16 por milhão. As vozes clonadas e emotivas mais naturais (ElevenLabs) custam mais e dependem do seu nível de assinatura. Esta calculadora classifica todos eles de acordo com o seu volume para que você possa ver a compensação.

Quantos caracteres equivale a um minuto de áudio?

Cerca de 900 caracteres, com base em uma taxa natural de fala de aproximadamente 150 palavras por minuto e cerca de 6 caracteres por palavra, incluindo espaços. Portanto, uma hora de narração equivale a cerca de 54.000 caracteres, e um milhão de caracteres equivale a aproximadamente 18 horas de fala. Insira os minutos diretamente nesta calculadora e ela será convertida em caracteres para cobrança automaticamente.

Cada provedor, classificado como o mais barato primeiro