Calculadora de costes de texto a voz
Estima gratis y online los costes de la API de síntesis de voz a partir del volumen de caracteres y los patrones de uso. Compara precios de OpenAI TTS, Google Cloud WaveNet y Studio, AWS Polly, Azure Neural Voice, ElevenLabs, Deepgram Aura y Cartesia Sonic, con deducción de planes gratuitos, niveles de calidad de voz, indicadores de compatibilidad con SSML y una estimación de duración del audio. Funciona 100 % en tu navegador.
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 |
Cómo se factura la síntesis de voz
Las API TTS cobran por carácter de entrada, no por petición ni por minuto de audio. El coste total sale de multiplicar los caracteres por el precio por millón.
La calidad de la voz es el factor que más encarece la factura: pasar de voz estándar a neuronal puede multiplicar el precio por 4.
- Coste = (caracteres totales ÷ 1M) × precio por millón.
- Voz estándar: 3-5 $/1M. Neuronal: 15-30 $/1M. Studio/HD: hasta 300 $/1M.
- El etiquetado SSML suma caracteres facturables.
Aprovechar los planes gratuitos
Google, Azure y otros ofrecen margen gratuito mensual que se renueva cada mes. Para aplicaciones pequeñas, puede significar coste cero.
- Calcula tus caracteres mensuales totales.
- Resta el margen gratuito del proveedor correspondiente.
- Compara el coste restante entre proveedores de calidad similar.
- Elige la voz más barata que cumpla tu nivel de calidad mínimo.
Elegir voz y prever el gasto
Antes de escalar, conviene saber cuánto pesa la calidad de la voz en tu factura. Subir de nivel duplica o cuadruplica el precio.
- Usa los predefinidos por tipo de contenido para estimar caracteres medios.
- Estima la duración del audio para dimensionar tu infraestructura.
- Revisa la previsión mensual antes de comprometer presupuesto.
Preguntas frecuentes
Estima el gasto de API de convertir texto en audio para un volumen de uso determinado. Toma el número medio de caracteres por petición de síntesis, tu volumen diario de peticiones y el proveedor elegido para calcular el coste por petición, el coste por 1000 caracteres y una proyección total del periodo, aplicando automáticamente la deducción del plan gratuito.
Las API TTS cobran por carácter de texto de entrada. Coste total = (caracteres totales ÷ 1 000 000) × precio por 1M de caracteres. Por ejemplo, 10 000 peticiones al día con 200 caracteres cada una = 2M de caracteres al día. Con el precio de Google WaveNet (16 $/1M caracteres), son 32 $/día o unos 960 $/mes tras el margen gratuito de 1M de caracteres.
Las notificaciones cortas promedian 50-150 caracteres. Las respuestas de chatbot, 150-300. Un artículo de blog va de 3 000 a 8 000 caracteres. Una narración de pódcast de 30 minutos son 30 000-60 000 caracteres. Usa los predefinidos por tipo de contenido de la calculadora para estimaciones rápidas.
Para calidad estándar, AWS Polly Standard y Google Cloud Standard cuestan unos 4 $/1M de caracteres, y Google ofrece 4M de caracteres gratis al mes, lo que lo hace el más barato para volumen bajo o medio. Para voces neuronales, OpenAI TTS-1 y Deepgram Aura cuestan 15 $/1M de caracteres cada uno.
Sí. Google Cloud TTS ofrece 4 millones de caracteres gratis al mes para voces Standard y 1 millón para voces WaveNet. Azure Neural Voice ofrece 500 000 caracteres gratis al mes. Estos márgenes se renuevan cada mes y pueden hacer que esos proveedores salgan gratis para aplicaciones pequeñas.
Las voces estándar usan fragmentos de voz grabada: suenan robóticas y cuestan 3-5 $/1M de caracteres. Las neuronales usan aprendizaje profundo y suenan mucho más naturales, a 15-30 $/1M. Las voces Studio y HD ofrecen calidad casi humana a 30-300 $/1M.
SSML (lenguaje de marcado de síntesis de voz) controla la pronunciación, el ritmo, el tono y las pausas. En los proveedores que lo admiten (Google Cloud, AWS Polly, Azure), las etiquetas SSML cuentan como caracteres y se facturan: normalmente añaden un 10-20 % al coste si el texto lleva mucho marcado.
Sí. La calculadora funciona 100 % en tu navegador. Tus recuentos de caracteres, volúmenes de peticiones y proyecciones de coste se procesan localmente en tu dispositivo y nunca se envían a ningún servidor, ni se almacenan ni se comparten. No requiere cuenta.