Text-to-Speech-APIs im Vergleich

Wählen Sie Amazon Polly für AWS-Standardstimmen zu $4 je 1,000,000 Zeichen, ElevenLabs für die herstellerseitige Flash-v2.5-Angabe von ~75 ms oder Deepgram für das dokumentierte Aura-2-REST-Beispiel mit 745 ms.

Aktualisiert · 10 Quellen · Methodik

BedarfEmpfehlungBegründung
AWS-StandardstimmenAmazon PollyAmazon Polly listet Standardstimmen mit $4 je 1,000,000 abrechenbaren Zeichen.12
Flash-ModellinferenzElevenLabsFlash-v2.5-Inferenz ~75 ms, ohne Anwendung/Netzwerk, vendor-reported 2026.5
Aura-2-REST-AusführungDeepgram745 ms gesamt in einem dokumentierten Aura-2-REST-Beispiel, vendor-reported 2026.6

Leistung

AnbieterAPI und Modell-IDVeröffentlichte Latenz und Ausführung
Amazon Polly1Standard-StimmenStandard-Sprachsynthese; Preis pro Zeichen1
Google Cloud TTS2Standard-StimmenStandard-Synthese-API; getrennt von Chirp-Modellen2
Deepgram3Aura-2745 ms gesamt in einem Aura-2-Beispiel, vendor-reported 20266
ElevenLabs4Flash v2.5Flash-v2.5-Inferenz ~75 ms, ohne Anwendung/Netzwerk, vendor-reported 20265

Dokumentierte Sprachabdeckung

Anbieter / ModellModellspezifische Abdeckung
Amazon Polly · Standard29 Sprachen und Sprachvarianten; englische und spanische Stimmen sind gelistet.7
Google Cloud TTS · Standard59 Sprach-/Regionscodes im Standard-Stimmenkatalog, darunter en-US, es-ES und ja-JP.8
Deepgram · Aura-27 Sprachen: en, es, de, fr, nl, it, ja.9
ElevenLabs · Flash v2.532 Sprachen; einschließlich Englisch und Spanisch.10

Preise und Anfragekosten

AnbieterEnglisch / 1,000,000 ZeichenKosten für 1,000,000 ZeichenSpanisch / 1,000,000 Zeichen
Amazon Polly1$4$4$4
Google Cloud TTS2$4$4$4
Deepgram3$30$30$30
ElevenLabs4$40$40$40
Kostenbeispiel: 1,000,000 abrechenbare englische Zeichen
Amazon Polly$4
Google Cloud TTS$4
Deepgram$30
ElevenLabs$40

Optionen, Stärken und Einschränkungen

  1. Amazon Polly

    Amazon Polly bietet Standard-Stimmen über ein AWS-Konto.

    Englisch / 1,000,000 Zeichen
    $4
    Beispielmenge
    1
    Beispielgesamtpreis
    $4

    Stärken

    • Amazon Polly listet Standard voices für $4 je 1,000,000 Zeichen vor Gratiskontingenten.1

    Einschränkungen

    • Der Polly-Standard-Tarif schließt die Stimmkategorien Neural, Long-Form und Generative aus.1

    Quellen:1

  2. Google Cloud TTS

    Google Cloud TTS bietet Standard-Stimmen über ein Google-Cloud-Konto.

    Englisch / 1,000,000 Zeichen
    $4
    Beispielmenge
    1
    Beispielgesamtpreis
    $4

    Stärken

    • Google Cloud TTS listet Standard voices für $4 je 1,000,000 Zeichen vor Gratiskontingenten.2

    Einschränkungen

    • Googles angegebener Standard-Preis umfasst die separaten Chirp-Stimmenmodelle nicht.2

    Quellen:2

  3. Deepgram

    Deepgram listet Aura-2 für $30 je 1,000,000 Zeichen vor Gratiskontingenten.

    Englisch / 1,000,000 Zeichen
    $30
    Beispielmenge
    1
    Beispielgesamtpreis
    $30

    Stärken

    • Deepgram listet Aura-2 für $30 je 1,000,000 Zeichen vor Gratiskontingenten.3

    Einschränkungen

    • Aura-2 kostet $30 je 1,000,000 Zeichen gegenüber $4 für Standard; Stimmklonen ist nicht enthalten.3

    Quellen:3

  4. ElevenLabs

    ElevenLabs listet Flash v2.5 für $40 je 1,000,000 Zeichen vor Gratiskontingenten.

    Englisch / 1,000,000 Zeichen
    $40
    Beispielmenge
    1
    Beispielgesamtpreis
    $40

    Stärken

    • ElevenLabs listet Flash v2.5 für $40 je 1,000,000 Zeichen vor Gratiskontingenten.4

    Einschränkungen

    • Flash v2.5 begrenzt Anfragen auf 40,000 Zeichen. $40 je 1,000,000 Zeichen schließt andere Modelle und Abokontingente aus.4

    Quellen:4

Methodik und Quellen

Umfang: Amazon Polly / Google Cloud TTS / Deepgram / ElevenLabs. Das Beispiel nutzt 1,000,000 abrechenbare Zeichen vor Kontingenten und Abos. Preise gelten je Zeichen, nicht je Audiominute; Sprache und Sprechtempo ändern die Länge. Standard, Aura-2 und Flash/Turbo sind verschiedene Klassen ohne angenommene Qualitätsgleichheit. Die Preisquellen enthalten keine vergleichbaren Qualitäts-, Start- oder Latenztests. Karten nach Preis; beide Standard-Optionen liegen gleichauf bei $4. Flash-v2.5-Inferenz und das Aura-2-Beispiel inklusive Netzwerk messen verschiedene Intervalle; daraus folgt kein Latenzranking. Das Hauptbudget nutzt englische Stimmen. Die spanische Spalte nutzt unterstützte spanische Stimmen derselben Modellklassen zu denselben Zeichentarifen, ohne einen Sprachwechsel derselben Stimme zu versprechen. Die Definitionen unterscheiden sich: Polly zählt Sprachen und Varianten; Googles 59 zählt jeden Sprach-/Regionscode in Standard-Zeilen einmal und regionale Varianten getrennt. Keine Rangfolge nach Sprachzahlen.

  1. Amazon Polly · Standard-Stimmen Spezifikationen und Preise
  2. Google Cloud TTS · Standard-Stimmen Spezifikationen und Preise
  3. Deepgram · Aura-2 Spezifikationen und Preise
  4. ElevenLabs · Flash v2.5 Spezifikationen und Preise
  5. ElevenLabs · Flash v2.5 Modelllatenz
  6. Deepgram · Aura-2 Latenzbeispiel
  7. Amazon Polly · Sprach- und Stimmenkatalog für Standard
  8. Google Cloud · Sprachvarianten der Standard-Stimmen
  9. Deepgram · Stimmen und Sprachen von Aura-2
  10. ElevenLabs · Modell Flash v2.5 und unterstützte Sprachen

Sprechertexte mit Novita-LLMs entwerfen

Erstellen Sie Skripte mit Novita Model APIs und senden Sie den Text an den gewählten Sprachanbieter. Die Synthesetarife oben stammen von Drittanbietern.

Jetzt entwickelnModelle ansehen