Text-zu-Sprache-Kostenrechner
Schätzen Sie Sprachsynthese-API-Kosten aus Zeichenvolumen und Nutzungsmustern kostenlos online. Vergleichen Sie Preise von OpenAI TTS, Google Cloud WaveNet und Studio, AWS Polly, Azure Neural Voice, ElevenLabs, Deepgram Aura und Cartesia Sonic – mit Abzug von Gratiskontingenten, Sprachqualitätsstufen, SSML-Support und einer Audiodauer-Schätzung. Läuft 100 % im Browser.
Estimate speech synthesis API costs from character volume and usage patterns. Compare pricing across OpenAI, Google Cloud, AWS Polly, Azure, ElevenLabs, Deepgram, and Cartesia - including free tier deductions and cost per request. Runs 100% in your browser.
Low latency, streaming-optimised
Conversational AI responses, call-centre bots - ~200 chars avg
Volume Configuration
Projected Monthly TTS Cost - OpenAI TTS-1
Cost / Request
$3.00
$/1K Chars
$15.00
Audio Generated
133.3h
Free Tier Savings
-
Provider & Voice Comparison
Sorted by monthly cost| Provider / Voice | $/1K chars | Cost/Req | Monthly Cost | Quality |
|---|---|---|---|---|
Google Cloud·StandardBest Value 4,000,000 free chars/mo | $4.000 | $0.8000 | $8.00K | Standard |
AWS Polly·StandardBest Value | $4.000 | $0.8000 | $24.00K | Standard |
Google Cloud·WaveNetBest Value 1,000,000 free chars/mo | $16.000 | $3.20 | $80.00K | Natural |
Azure AI·Neural TTS 500,000 free chars/mo | $16.000 | $3.20 | $88.00K | Natural |
OpenAI·TTS-1 Selected | $15.000 | $3.00 | $90.00K | Natural |
Deepgram·Aura | $15.000 | $3.00 | $90.00K | Natural |
AWS Polly·Neural (NTTS) | $16.000 | $3.20 | $96.00K | Natural |
OpenAI·TTS-1 HDHigh Quality | $30.000 | $6.00 | $180.00K | Ultra-Natural |
Azure AI·HD Neural VoiceHigh Quality | $30.000 | $6.00 | $180.00K | Ultra-Natural |
ElevenLabs·Creator PlanHigh Quality | $30.000 | $6.00 | $180.00K | Ultra-Natural |
Cartesia·SonicHigh Quality | $65.000 | $13.00 | $390.00K | Ultra-Natural |
Google Cloud·StudioHigh Quality | $160.000 | $32.00 | $960.00K | Ultra-Natural |
ElevenLabs·Pay-as-you-goHigh Quality 10,000 free chars/mo | $300.000 | $60.00 | $1.80M | Ultra-Natural |
Wie Sprachsynthese abgerechnet wird
TTS-APIs rechnen pro Eingabezeichen ab, nicht pro Anfrage oder Audiominute. Die Gesamtkosten ergeben sich aus Zeichen mal Preis pro Million.
Die Stimmqualität ist der größte Kostentreiber: von Standard auf Neural kann den Preis vervierfachen.
- Kosten = (Gesamtzeichen ÷ 1 Mio.) × Preis pro Million.
- Standard: 3-5 $/1 Mio. Neural: 15-30 $/1 Mio. Studio/HD: bis 300 $/1 Mio.
- SSML-Auszeichnung erhöht die abrechenbaren Zeichen.
Gratiskontingente nutzen
Google, Azure und andere bieten monatliche Gratis-Kontingente, die sich erneuern. Für kleine Anwendungen kann das Kosten von null bedeuten.
- Berechnen Sie Ihre gesamten Monatszeichen.
- Ziehen Sie das Gratis-Kontingent des jeweiligen Anbieters ab.
- Vergleichen Sie die Restkosten zwischen Anbietern ähnlicher Qualität.
- Wählen Sie die günstigste Stimme, die Ihre Mindestqualität erfüllt.
Stimme wählen und Ausgaben planen
Bevor Sie skalieren, sollten Sie wissen, wie stark die Stimmqualität Ihre Rechnung belastet. Eine Stufe höher verdoppelt oder vervierfacht den Preis.
- Nutzen Sie Content-Presets zur Schätzung durchschnittlicher Zeichen.
- Schätzen Sie die Audiodauer zur Dimensionierung der Infrastruktur.
- Prüfen Sie die Monatsprognose vor der Budgetbindung.
Häufig gestellte Fragen
Er schätzt die API-Ausgaben für die Umwandlung von Text in Audio bei einem gegebenen Nutzungsvolumen. Er nutzt Ihre durchschnittliche Zeichenzahl pro Syntheseanfrage, Ihr tägliches Anfragevolumen und den gewählten Anbieter, um Kosten pro Anfrage, pro 1.000 Zeichen und eine Gesamtprojektion zu berechnen – mit automatischem Abzug des Gratiskontingents.
TTS-APIs rechnen pro Zeichen des Eingabetexts ab. Gesamtkosten = (Gesamtzeichen ÷ 1.000.000) × Preis pro 1 Mio. Zeichen. Beispiel: 10.000 Anfragen/Tag mit 200 Zeichen = 2 Mio. Zeichen/Tag. Bei Google-WaveNet-Preisen (16 $/1 Mio.) sind das 32 $/Tag oder ca. 960 $/Monat nach dem Gratis-Kontingent von 1 Mio. Zeichen.
Kurze Benachrichtigungen liegen bei 50-150 Zeichen. Chatbot-Antworten bei 150-300. Ein Blogartikel umfasst 3.000-8.000 Zeichen. Eine 30-minütige Podcast-Narration sind 30.000-60.000 Zeichen. Nutzen Sie die Content-Typ-Presets im Rechner für schnelle Schätzungen.
Für Standardqualität kosten AWS Polly Standard und Google Cloud Standard ca. 4 $/1 Mio. Zeichen, wobei Google 4 Mio. Zeichen/Monat gratis bietet – am günstigsten bei niedrigem bis mittlerem Volumen. Für neurale Stimmen kosten OpenAI TTS-1 und Deepgram Aura je 15 $/1 Mio. Zeichen.
Ja. Google Cloud TTS bietet 4 Millionen Gratiszeichen/Monat für Standard-Stimmen und 1 Million für WaveNet-Stimmen. Azure Neural Voice bietet 500.000 Gratiszeichen/Monat. Diese Kontingente erneuern sich monatlich und können diese Anbieter für kleine Anwendungen kostenlos machen.
Standard-Stimmen nutzen aufgenommene Sprachfragmente – sie klingen roboterhaft und kosten 3-5 $/1 Mio. Zeichen. Neurale Stimmen nutzen Deep Learning und klingen deutlich natürlicher bei 15-30 $/1 Mio. Studio- und HD-Stimmen liefern nahezu menschliche Qualität bei 30-300 $/1 Mio.
SSML (Speech Synthesis Markup Language) steuert Aussprache, Tempo, Tonhöhe und Pausen. Bei Anbietern mit Unterstützung (Google Cloud, AWS Polly, Azure) zählen SSML-Tags zu den Zeichen und werden berechnet – meist 10-20 % Mehrkosten bei stark ausgezeichnetem Text.
Ja. Der Rechner läuft 100 % im Browser. Zeichenzahlen, Anfragevolumen und Kostenprojektionen werden lokal auf Ihrem Gerät verarbeitet und nie an einen Server gesendet, gespeichert oder geteilt. Kein Konto nötig.