L'API Cloud Text-to-Speech de Google converteix text en àudio mitjançant una petició HTTP, amb preus de veu que van de 4 $ per milió de caràcters (Standard i WaveNet) fins a 16 $ (Neural2) i 30 $ (Chirp 3 HD). Ofereix més de 380 veus en més de 75 idiomes i compatibilitat amb streaming. Si busques més qualitat de veu a un preu més baix, SpeechifyAI ocupa el núm. 1 al rànquing TTS d'Artificial Analysis per només 6-10 $ per milió.
Què fa l'API de Google Text-to-Speech
Google Cloud Text-to-Speech és una API de síntesi de veu: hi envies text (o SSML), una veu i la configuració d'àudio, i et retorna un flux o un arxiu d'àudio. S'integra amb Google Cloud i fa servir el mateix IAM, la mateixa facturació i les mateixes llibreries de client que la resta de la plataforma. Els desenvolupadors la fan servir per a IVR, accessibilitat, narració de continguts o qualsevol producte basat en Google Cloud.
Nivells de veu i preus de Google TTS el 2026
Google fixa el preu segons el tipus de veu, per milió de caràcters. Els nivells superiors sonen més naturals i costen més:
La facturació és de pagament per ús un cop superat el tram gratuït. L'assignació gratuïta és generosa per fer proves, però es reinicia cada mes; ajusta el projecte segons el volum real i no segons el període de prova.
Com cridar l'API de Google TTS
- Crea un projecte a Google Cloud i activa l'API de Text-to-Speech.
- Autentica't amb una clau de compte de servei o amb Application Default Credentials.
- Fes una crida a
- texttospeech.googleapis.com/v1/text:synthesize
- via REST o gRPC, o fes servir les llibreries oficials de client per a Python, Node, Java o Go.
- Envia
- input
- (text o SSML), una
- voice
- (codi d'idioma i nom) i un
- audioConfig
- (codificació, velocitat i to). Rebràs l'àudio en base64.
La configuració és la típica de GCP: còmoda si ja treballes amb Google Cloud, més feixuga si no.
Quan cal considerar una alternativa
Google TTS és una opció sòlida i amb un gran suport, especialment a GCP. Però hi ha dos motius pels quals alguns equips busquen alternatives:
- Qualitat de veu en relació amb el cost.
- Els nivells amb millor so (Chirp 3 HD a 30 $, Studio a 160 $) són cars, i els oients independents encara situen altres models per davant. Segons el
- rànquing TTS d'Artificial Analysis
- (juliol de 2026), Simba 3.2 de SpeechifyAI ocupa el núm. 1 i supera Google DeepMind.
- Agents de veu en temps real.
- Si vols un
- agent de veu
- interactiu, també necessites reconeixement de veu i un LLM. Connectar-ho tot a Google TTS implica més facturació i més latència entre tres serveis diferents.
SpeechifyAI com a alternativa a Google TTS
- Més qualitat segons avaluacions independents.
- Simba 3.2
- ocupa el núm. 1 al rànquing TTS d'Artificial Analysis (juliol de 2026) i comparteix el segon lloc a Voice Arena, per davant de Google DeepMind, ElevenLabs i OpenAI.
- Preu més baix per a aquesta qualitat.
- 6 $ per milió de caràcters, per sota dels nivells Neural2 (16 $) i Chirp 3 HD (30 $) de Google, amb una puntuació millor.
- ~300 ms de latència, més de 30 idiomes i 1.500 veus
- , amb streaming real per a aplicacions en temps real.
- Agents de veu integrats.
- Si et cal reconeixement de veu, LLM i TTS en un sol lloc, SpeechifyAI t'ho ofereix tot en una API per 0,068-0,075 $ el minut, sense facturació addicional per servei.
SpeechifyAI és la plataforma per a desenvolupadors de Speechify, diferent de l'app per a consumidors.
Comença ara
Compara-ho amb Google fàcilment: obtén una clau d'API gratuïta de SpeechifyAI a speechify.ai (50.000 caràcters mensuals) i instal·la l'SDK amb pip install speechify-api o npm install @speechify/api.
