Comparatif des API de synthèse vocale
Choisissez Amazon Polly pour les voix Standard AWS à $4 par 1,000,000 de caractères, ElevenLabs pour son annonce d’inférence Flash v2.5 à ~75 ms ou Deepgram pour son exemple REST Aura-2 documenté à 745 ms.
| Besoin | Recommandation | Pourquoi |
|---|---|---|
| Voix Standard AWS | Amazon Polly | Amazon Polly affiche les voix Standard à $4 par 1,000,000 de caractères facturables.12 |
| Inférence du modèle Flash | ElevenLabs | Inférence Flash v2.5 ~75 ms, hors application/réseau, vendor-reported 2026.5 |
| Exécution REST Aura-2 | Deepgram | 745 ms au total dans un exemple REST Aura-2 documenté, vendor-reported 2026.6 |
Performances
| Fournisseur | API et identifiant du modèle | Latence publiée et exécution |
|---|---|---|
| Amazon Polly1 | voix Standard | Synthèse vocale Standard ; prix par caractère1 |
| Google Cloud TTS2 | voix Standard | API de synthèse Standard ; distincte des modèles Chirp2 |
| Deepgram3 | Aura-2 | 745 ms au total dans un exemple Aura-2, vendor-reported 20266 |
| ElevenLabs4 | Flash v2.5 | Inférence Flash v2.5 ~75 ms, hors application/réseau, vendor-reported 20265 |
Couverture linguistique documentée
| Fournisseur / modèle | Couverture du modèle |
|---|---|
| Amazon Polly · Standard | 29 langues et variantes linguistiques ; voix anglaises et espagnoles listées.7 |
| Google Cloud TTS · Standard | 59 codes de langue/région dans le catalogue des voix Standard, dont en-US, es-ES et ja-JP.8 |
| Deepgram · Aura-2 | 7 langues : en, es, de, fr, nl, it, ja.9 |
| ElevenLabs · Flash v2.5 | 32 langues ; anglais et espagnol inclus.10 |
Tarifs et coût par requête
| Fournisseur | Anglais / 1,000,000 caractères | Coût de 1,000,000 caractères | Espagnol / 1,000,000 caractères |
|---|---|---|---|
| Amazon Polly1 | $4 | $4 | $4 |
| Google Cloud TTS2 | $4 | $4 | $4 |
| Deepgram3 | $30 | $30 | $30 |
| ElevenLabs4 | $40 | $40 | $40 |
Options, points forts et limites
Amazon Polly
Amazon Polly fournit des voix Standard via un compte AWS.
- Anglais / 1,000,000 caractères
- $4
- Quantité de l’exemple
- 1
- Total de l’exemple
- $4
Points forts
- Amazon Polly affiche Standard voices à $4 pour 1,000,000 caractères avant quotas gratuits.1
Limites
- Le tarif Polly Standard exclut les catégories vocales Neural, Long-Form et Generative.1
Sources :1
Google Cloud TTS
Google Cloud TTS fournit des voix Standard via un compte Google Cloud.
- Anglais / 1,000,000 caractères
- $4
- Quantité de l’exemple
- 1
- Total de l’exemple
- $4
Points forts
- Google Cloud TTS affiche Standard voices à $4 pour 1,000,000 caractères avant quotas gratuits.2
Limites
- Le prix Standard cité de Google n’inclut pas les modèles vocaux Chirp distincts.2
Sources :2
Deepgram
Deepgram affiche Aura-2 à $30 pour 1,000,000 caractères avant quotas gratuits.
- Anglais / 1,000,000 caractères
- $30
- Quantité de l’exemple
- 1
- Total de l’exemple
- $30
Points forts
- Deepgram affiche Aura-2 à $30 pour 1,000,000 caractères avant quotas gratuits.3
Limites
- Aura-2 coûte $30 pour 1,000,000 caractères contre $4 pour Standard ; ce tarif n’inclut pas le clonage.3
Sources :3
ElevenLabs
ElevenLabs affiche Flash v2.5 à $40 pour 1,000,000 caractères avant quotas gratuits.
- Anglais / 1,000,000 caractères
- $40
- Quantité de l’exemple
- 1
- Total de l’exemple
- $40
Points forts
- ElevenLabs affiche Flash v2.5 à $40 pour 1,000,000 caractères avant quotas gratuits.4
Limites
- Flash v2.5 limite chaque requête à 40,000 caractères. $40 pour 1,000,000 caractères exclut autres modèles et quotas d’abonnement.4
Sources :4
Méthodologie et sources
Périmètre : Amazon Polly / Google Cloud TTS / Deepgram / ElevenLabs. L’exemple utilise 1,000,000 caractères facturables avant quotas et abonnements. Tarifs par caractère, pas minute ; langue et débit de parole changent la durée. Standard, Aura-2 et Flash/Turbo sont des classes distinctes, sans équivalence de qualité. Les sources tarifaires ne donnent pas de test commun de qualité, démarrage ou latence. Cartes par prix ; les deux options Standard sont à égalité à $4. L’inférence Flash v2.5 et l’exemple Aura-2 incluant le réseau mesurent des intervalles différents ; ils ne classent pas la latence. Le budget principal utilise des voix anglaises. La colonne espagnole utilise des voix espagnoles compatibles des mêmes classes de modèle aux mêmes tarifs par caractère, sans promettre qu’une voix change de langue. Les définitions diffèrent : Polly compte langues et variantes ; le total Google de 59 compte une fois chaque code de langue/région des lignes Standard, en séparant les variantes régionales. Aucun classement des nombres n’est établi.
- Amazon Polly · voix Standard spécifications et tarifs
- Google Cloud TTS · voix Standard spécifications et tarifs
- Deepgram · Aura-2 spécifications et tarifs
- ElevenLabs · Flash v2.5 spécifications et tarifs
- ElevenLabs · Flash v2.5 latence du modèle
- Deepgram · Aura-2 exemple de latence
- Amazon Polly · catalogue des langues et voix Standard
- Google Cloud · catalogue des variantes linguistiques des voix Standard
- Deepgram · voix et langues Aura-2
- ElevenLabs · modèle Flash v2.5 et langues prises en charge
Rédiger une narration avec les LLM Novita
Préparez des scripts avec Novita Model APIs, puis envoyez le texte au fournisseur vocal choisi. Les tarifs de synthèse ci-dessus sont ceux de tiers.