Google Cloud Text-to-Speech API převádí text na zvuk pomocí HTTP požadavku. Hlasy jsou rozdělené do úrovní s cenami od 4 $ za milion znaků (Standard a WaveNet) přes 16 $ (Neural2) až po 30 $ (Chirp 3 HD). Nabízí přes 380 hlasů ve více než 75 jazycích a podporuje streamování. Pokud hledáte vyšší kvalitu hlasu od nezávisle hodnocené platformy za nižší cenu, SpeechifyAI je #1 v nezávislém žebříčku Artificial Analysis TTS s cenou 6 až 10 $ za milion.
Co umí Google Text-to-Speech API
Google Cloud Text-to-Speech je API pro syntézu řeči: odešlete text (nebo SSML), zvolíte hlas a nastavení audia a API vrátí audio stream nebo soubor. Je součástí Google Cloud, takže přirozeně zapadá do projektů v GCP a využívá stejné IAM, účtování i knihovny jako zbytek platformy. Vývojáři ho používají pro IVR, zpřístupnění obsahu, mediální komentář i produkty, které už běží na Google Cloud.
Úrovně hlasů Google TTS a ceny v roce 2026
Google účtuje podle typu hlasu za milion znaků. Vyšší úrovně znějí přirozeněji, ale také stojí víc:
Po vyčerpání bezplatné úrovně se účtuje podle skutečné spotřeby. Bezplatná kvóta je dostatečně štědrá pro prototypování, ale každý měsíc se obnovuje, takže produkční provoz plánujte podle reálného využití, ne podle testů.
Jak používat Google TTS API
- Vytvořte projekt v Google Cloud a povolte Text-to-Speech API.
- Nastavte ověřování pomocí klíče servisního účtu nebo Application Default Credentials.
- Odešlete požadavek na texttospeech.googleapis.com/v1/text:synthesize přes REST nebo gRPC, případně použijte oficiální knihovny pro Python, Node, Java nebo Go.
- Zadejte input (text nebo SSML), voice (jazykový kód + název) a audioConfig (kódování, rychlost, výška hlasu). Výstupem je audio v base64.
Jde o standardní nastavení v GCP: pokud už v Google Cloud pracujete, bude to snadné; jinak je potřeba počítat s náročnějším zprovozněním.
Kdy zvážit alternativu
Google TTS je spolehlivá a široce podporovaná volba, zejména v prostředí GCP. Týmy ale obvykle vedou k hledání alternativ dvě věci:
- Kvalita hlasu vzhledem k ceně. Nejvyšší úrovně Google (Chirp 3 HD za 30 $ a Studio za 160 $) jsou drahé a podle poslechových testů nezávislých hodnotitelů lze jinde najít lepší modely. V žebříčku Artificial Analysis TTS (červenec 2026) je SpeechifyAI Simba 3.2 #1 před Google DeepMind.
- Hlasoví agenti v reálném čase. Pro konverzačního hlasového agenta navíc potřebujete speech-to-text a LLM. Propojení všech tří s Google TTS znamená účtování i latenci napříč třemi službami.
SpeechifyAI jako alternativa ke Google TTS
- Vyšší nezávisle hodnocená kvalita. Simba 3.2 je #1 v žebříčku Artificial Analysis TTS (červenec 2026) a dělí se o 2. místo na Voice Arena – před Google DeepMind, ElevenLabs i OpenAI.
- Nižší cena při srovnatelné kvalitě. 6 $ za milion znaků – méně než Google Neural2 (16 $) i Chirp 3 HD (30 $), přitom s lépe hodnoceným hlasem.
- ~300 ms latence, 30+ jazyků, 1 500+ hlasů – se skutečným streamováním pro aplikace v reálném čase.
- Integrovaní hlasoví agenti. Pokud potřebujete STT, LLM i TTS, SpeechifyAI nabízí jediné API za 0,068–0,075 $/minutu, bez průběžného účtování několika služeb.
SpeechifyAI je vývojářská platforma od Speechify, odlišná od uživatelské aplikace Speechify.
Jak začít
Porovnejte ho s Google během chvilky: získejte zdarma API klíč pro SpeechifyAI na speechify.ai (50 000 znaků měsíčně) a nainstalujte SDK pomocí pip install speechify-api nebo npm install @speechify/api.
