Comparação de APIs de texto para voz

Escolha Amazon Polly para vozes Standard da AWS a $4 por 1,000,000 de caracteres, ElevenLabs pela afirmação de inferência Flash v2.5 de ~75 ms ou Deepgram pelo exemplo REST Aura-2 documentado de 745 ms.

Atualizado · 10 fontes · Metodologia

NecessidadeRecomendaçãoMotivo
Vozes Standard da AWSAmazon PollyA Amazon Polly lista vozes Standard a $4 por 1,000,000 de caracteres faturáveis.12
Inferência do modelo FlashElevenLabsInferência Flash v2.5 ~75 ms, sem aplicação/rede, vendor-reported 2026.5
Execução REST do Aura-2Deepgram745 ms totais em um exemplo REST documentado do Aura-2, vendor-reported 2026.6

Desempenho

ProvedorAPI e ID do modeloLatência publicada e execução
Amazon Polly1vozes StandardSíntese com vozes Standard; preço por caractere1
Google Cloud TTS2vozes StandardAPI de síntese Standard; distinta dos modelos Chirp2
Deepgram3Aura-2745 ms totais em um exemplo Aura-2, vendor-reported 20266
ElevenLabs4Flash v2.5Inferência Flash v2.5 ~75 ms, sem aplicação/rede, vendor-reported 20265

Cobertura de idiomas documentada

Provedor / modeloCobertura do modelo
Amazon Polly · Standard29 idiomas e variantes linguísticas; há vozes inglesas e espanholas.7
Google Cloud TTS · Standard59 códigos de idioma/região no catálogo de vozes Standard, incluindo en-US, es-ES e ja-JP.8
Deepgram · Aura-27 idiomas: en, es, de, fr, nl, it, ja.9
ElevenLabs · Flash v2.532 idiomas; inclui inglês e espanhol.10

Preços e custo por solicitação

ProvedorInglês / 1,000,000 caracteresCusto de 1,000,000 caracteresEspanhol / 1,000,000 caracteres
Amazon Polly1$4$4$4
Google Cloud TTS2$4$4$4
Deepgram3$30$30$30
ElevenLabs4$40$40$40
Exemplo: 1,000,000 caracteres faturáveis em inglês
Amazon Polly$4
Google Cloud TTS$4
Deepgram$30
ElevenLabs$40

Opções, vantagens e limitações

  1. Amazon Polly

    Amazon Polly oferece vozes Standard por uma conta AWS.

    Inglês / 1,000,000 caracteres
    $4
    Quantidade do exemplo
    1
    Total do exemplo
    $4

    Vantagens

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

    Limitações

    • A tarifa Polly Standard exclui as categorias de voz Neural, Long-Form e Generative.1

    Fontes:1

  2. Google Cloud TTS

    Google Cloud TTS oferece vozes Standard por uma conta Google Cloud.

    Inglês / 1,000,000 caracteres
    $4
    Quantidade do exemplo
    1
    Total do exemplo
    $4

    Vantagens

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

    Limitações

    • O preço Standard citado do Google não inclui os modelos de voz Chirp, que são separados.2

    Fontes:2

  3. Deepgram

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

    Inglês / 1,000,000 caracteres
    $30
    Quantidade do exemplo
    1
    Total do exemplo
    $30

    Vantagens

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

    Limitações

    • Aura-2 custa $30 por 1,000,000 caracteres contra $4 de Standard; a tarifa não inclui clonagem.3

    Fontes:3

  4. ElevenLabs

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

    Inglês / 1,000,000 caracteres
    $40
    Quantidade do exemplo
    1
    Total do exemplo
    $40

    Vantagens

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

    Limitações

    • Flash v2.5 limita cada solicitação a 40,000 caracteres. $40 por 1,000,000 caracteres exclui outros modelos e cotas de assinatura.4

    Fontes:4

Metodologia e fontes

Escopo: Amazon Polly / Google Cloud TTS / Deepgram / ElevenLabs. O exemplo usa 1,000,000 caracteres faturáveis antes de cotas e assinaturas. Preços por caractere, não minuto; idioma e ritmo alteram a duração. Standard, Aura-2 e Flash/Turbo são classes distintas e não se equipara qualidade. As fontes de preços não oferecem testes comparáveis de qualidade, início ou latência. Cartões por preço; as duas opções Standard empatam em $4. A inferência Flash v2.5 e o exemplo Aura-2 com rede medem intervalos distintos; não formam uma classificação de latência. O orçamento principal usa vozes inglesas. A coluna espanhola usa vozes espanholas compatíveis nas mesmas classes de modelo e tarifas por caractere, sem prometer alternância de idiomas em uma única voz. As definições diferem: a Polly conta idiomas e variantes; o total de 59 do Google conta uma vez cada código de idioma/região das linhas Standard, com variantes regionais separadas. Não há ranking por contagem.

  1. Amazon Polly · vozes Standard especificações e preços
  2. Google Cloud TTS · vozes Standard especificações e preços
  3. Deepgram · Aura-2 especificações e preços
  4. ElevenLabs · Flash v2.5 especificações e preços
  5. ElevenLabs · Flash v2.5 latência do modelo
  6. Deepgram · Aura-2 exemplo de latência
  7. Amazon Polly · catálogo de idiomas e vozes Standard
  8. Google Cloud · catálogo de variantes regionais das vozes Standard
  9. Deepgram · vozes e idiomas do Aura-2
  10. ElevenLabs · modelo Flash v2.5 e idiomas compatíveis

Escreva narrações com os LLMs da Novita

Prepare roteiros com Novita Model APIs e envie o texto ao provedor de voz escolhido. As tarifas de síntese acima são de terceiros.

Comece a desenvolverExplore os modelos