Comparativa de API de texto a voz

Elige Amazon Polly para voces Standard de AWS a $4 por 1,000,000 de caracteres, ElevenLabs por su afirmación de inferencia Flash v2.5 de ~75 ms o Deepgram por su ejemplo REST Aura-2 documentado de 745 ms.

Actualizado · 10 fuentes · Metodología

NecesidadRecomendaciónMotivo
Voces Standard de AWSAmazon PollyAmazon Polly publica voces Standard a $4 por 1,000,000 de caracteres facturables.12
Inferencia del modelo FlashElevenLabsInferencia Flash v2.5 ~75 ms, sin aplicación/red, vendor-reported 2026.5
Ejecución REST de Aura-2Deepgram745 ms totales en un ejemplo REST documentado de Aura-2, vendor-reported 2026.6

Rendimiento

ProveedorAPI e ID del modeloLatencia publicada y ejecución
Amazon Polly1voces StandardSíntesis con voces Standard; precio por carácter1
Google Cloud TTS2voces StandardAPI de síntesis Standard; distinta de los modelos Chirp2
Deepgram3Aura-2745 ms totales en un ejemplo Aura-2, vendor-reported 20266
ElevenLabs4Flash v2.5Inferencia Flash v2.5 ~75 ms, sin aplicación/red, vendor-reported 20265

Cobertura lingüística documentada

Proveedor / modeloCobertura del modelo
Amazon Polly · Standard29 idiomas y variantes lingüísticas; se enumeran voces inglesas y españolas.7
Google Cloud TTS · Standard59 códigos de idioma/región en el catálogo de voces Standard, incluidos en-US, es-ES y ja-JP.8
Deepgram · Aura-27 idiomas: en, es, de, fr, nl, it, ja.9
ElevenLabs · Flash v2.532 idiomas; incluye inglés y español.10

Precios y coste por solicitud

ProveedorInglés / 1,000,000 caracteresCoste de 1,000,000 caracteresEspañol / 1,000,000 caracteres
Amazon Polly1$4$4$4
Google Cloud TTS2$4$4$4
Deepgram3$30$30$30
ElevenLabs4$40$40$40
Ejemplo: 1,000,000 caracteres facturables en inglés
Amazon Polly$4
Google Cloud TTS$4
Deepgram$30
ElevenLabs$40

Opciones, ventajas y limitaciones

  1. Amazon Polly

    Amazon Polly ofrece voces Standard mediante una cuenta AWS.

    Inglés / 1,000,000 caracteres
    $4
    Cantidad del ejemplo
    1
    Total del ejemplo
    $4

    Ventajas

    • Amazon Polly anuncia Standard voices a $4 por 1,000,000 caracteres antes de cuotas gratuitas.1

    Limitaciones

    • La tarifa Polly Standard excluye las categorías de voz Neural, Long-Form y Generative.1

    Fuentes:1

  2. Google Cloud TTS

    Google Cloud TTS ofrece voces Standard mediante una cuenta Google Cloud.

    Inglés / 1,000,000 caracteres
    $4
    Cantidad del ejemplo
    1
    Total del ejemplo
    $4

    Ventajas

    • Google Cloud TTS anuncia Standard voices a $4 por 1,000,000 caracteres antes de cuotas gratuitas.2

    Limitaciones

    • El precio Standard citado de Google no incluye los modelos de voz Chirp, que son independientes.2

    Fuentes:2

  3. Deepgram

    Deepgram anuncia Aura-2 a $30 por 1,000,000 caracteres antes de cuotas gratuitas.

    Inglés / 1,000,000 caracteres
    $30
    Cantidad del ejemplo
    1
    Total del ejemplo
    $30

    Ventajas

    • Deepgram anuncia Aura-2 a $30 por 1,000,000 caracteres antes de cuotas gratuitas.3

    Limitaciones

    • Aura-2 cuesta $30 por 1,000,000 caracteres frente a $4 de Standard; esta tarifa no incluye clonación.3

    Fuentes:3

  4. ElevenLabs

    ElevenLabs anuncia Flash v2.5 a $40 por 1,000,000 caracteres antes de cuotas gratuitas.

    Inglés / 1,000,000 caracteres
    $40
    Cantidad del ejemplo
    1
    Total del ejemplo
    $40

    Ventajas

    • ElevenLabs anuncia Flash v2.5 a $40 por 1,000,000 caracteres antes de cuotas gratuitas.4

    Limitaciones

    • Flash v2.5 limita cada solicitud a 40,000 caracteres. $40 por 1,000,000 caracteres excluye otros modelos y cuotas de suscripción.4

    Fuentes:4

Metodología y fuentes

Ámbito: Amazon Polly / Google Cloud TTS / Deepgram / ElevenLabs. El ejemplo usa 1,000,000 caracteres facturables antes de cuotas y suscripciones. Precios por carácter, no por minuto; idioma y velocidad del habla cambian la duración. Standard, Aura-2 y Flash/Turbo son clases distintas y no se equipara calidad. Estas fuentes de precios no aportan pruebas comparables de calidad, arranque o latencia. Tarjetas por precio; las dos opciones Standard empatan en $4. La inferencia Flash v2.5 y el ejemplo Aura-2 con red miden intervalos distintos; no forman una clasificación de latencia. El presupuesto principal usa voces inglesas. La columna española usa voces españolas compatibles de las mismas clases de modelo y tarifas por carácter, sin prometer que una sola voz cambie de idioma. Las definiciones difieren: Polly cuenta idiomas y variantes; el total de 59 de Google cuenta una vez cada código de idioma/región de las filas Standard, con variantes regionales separadas. No se clasifican los recuentos.

  1. Amazon Polly · voces Standard especificaciones y precios
  2. Google Cloud TTS · voces Standard especificaciones y precios
  3. Deepgram · Aura-2 especificaciones y precios
  4. ElevenLabs · Flash v2.5 especificaciones y precios
  5. ElevenLabs · Flash v2.5 latencia del modelo
  6. Deepgram · Aura-2 ejemplo de latencia
  7. Amazon Polly · catálogo de idiomas y voces Standard
  8. Google Cloud · catálogo de variantes regionales de voces Standard
  9. Deepgram · voces e idiomas de Aura-2
  10. ElevenLabs · modelo Flash v2.5 e idiomas admitidos

Redacta narraciones con los LLM de Novita

Prepara guiones con Novita Model APIs y envía el texto al proveedor de voz elegido. Las tarifas de síntesis anteriores son de terceros.

Empieza a desarrollarExplora los modelos