Google Cloud Text-to-Speech API převádí text na zvuk přes HTTP požadavek. Hlasy jsou rozdělené do úrovní s cenou 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, včetně streamování. Pokud hledáte vyšší nezávisle hodnocenou kvalitu hlasu za nižší cenu, SpeechifyAI patří do první pětky nezávislého žebříčku Artificial Analysis TTS (k 23. 9. 2026) v cenovém rozmezí 6–10 $ za milion znaků.
Chcete si to nasadit sami? API pro převod textu na řeč a klonování hlasu Speechify najdete na speechify.ai, dokumentaci a bezplatný klíč pak na docs.speechify.ai.
Co nabízí Google Text-to-Speech API
Google Cloud Text-to-Speech je API pro syntézu řeči: odešlete text (nebo SSML) s nastavením hlasu a zvuku a dostanete audio stream nebo soubor. Je součástí Google Cloud a snadno ho propojíte s projekty v GCP – využívá stejné IAM, fakturaci i klientské knihovny. Vývojáři ho volí pro IVR, přístupnost, mediální dabing i jakýkoli produkt běžící na Google Cloud.
Úrovně hlasů Google TTS a ceny pro rok 2026
Google účtuje podle typu hlasu, vždy za milion znaků. Vyšší úrovně znějí přirozeněji a jsou dražší:
Fakturace běží podle skutečné spotřeby po překročení bezplatného limitu. Bezplatná kvóta je pro prototypování štědrá, ale obnovuje se každý měsíc. Plánujte podle reálného provozu, ne podle zkušebního nasazení.
Jak volat Google TTS API
- Vytvořte projekt v Google Cloud a aktivujte Text-to-Speech API.
- Ověřte se pomocí klíče servisního účtu nebo Application Default Credentials.
- Zavolejte
- texttospeech.googleapis.com/v1/text:synthesize
- přes REST nebo gRPC, případně použijte oficiální klientské knihovny pro Python, Node, Java nebo Go.
- Předejte
- input
- (text/SSML),
- voice
- (kód jazyka + název) a
- audioConfig
- (kódování, rychlost, výška hlasu). Výstupem je base64 audio.
Nastavení odpovídá běžné praxi v GCP – pokud už s Google Cloud pracujete, bude to jednoduché. Pro nové uživatele ale může být úvodní nastavení složitější.
Kdy zvolit alternativu
Google TTS je spolehlivá a široce podporovaná volba, zejména pro projekty v GCP. Týmy ale nejčastěji hledají alternativy ze dvou důvodů:
- Kvalita hlasu vzhledem k ceně.
- Nejlépe znějící úrovně Google (Chirp 3 HD za 30 $ a Studio za 160 $) jsou drahé a nezávislá srovnání často hodnotí jiné modely lépe. V
- žebříčku Artificial Analysis TTS
- se Simba 3.2 od SpeechifyAI umístil v červenci 2026 na 1. místě; k 23. 9. 2026 zůstává nad uvedenými úrovněmi Google při ceně 6–10 $ za milion znaků.
- Hlasoví agenti v reálném čase.
- Pro konverzačního
- voice agenta
- potřebujete také převod řeči na text a LLM. S Google TTS tak náklady i latence vznikají napříč třemi různými službami.
SpeechifyAI jako alternativa ke Google TTS
- Vyšší nezávisle hodnocená kvalita.
- Simba 3.2
- zvítězil v nezávislém žebříčku Artificial Analysis TTS v červenci 2026. K 23. 9. 2026 patří do první pětky – před všemi modely ElevenLabs i OpenAI, přičemž každý výše postavený model je dražší.
- Nižší cena při stejné kvalitě.
- 6 $ za milion znaků, tedy méně než Google Neural2 (16 $) nebo Chirp 3 HD (30 $), a přitom s vyšším kvalitativním hodnocením.
- Rychlý první zvuk.
- Nejkratší medián času do prvního zvuku v žebříčku Voice Arena pro americkou angličtinu (123 ms, 24. 9. 2026); skutečné streamování, 900+ hlasů, 6 jazyků v self-serve režimu (48 na vyžádání).
- Hlasoví agenti přímo ve vašem stacku.
- Pokud potřebujete STT, LLM i TTS, postavte řešení na
- LiveKit
- ,
- Pipecat
- nebo
- Vapi
- s hlasem SpeechifyAI.
SpeechifyAI je vývojářská platforma Speechify a liší se od spotřebitelské aplikace Speechify.
Začněte rychle
Porovnejte ji s Google během pár řádků kódu: získejte zdarma API klíč SpeechifyAI na speechify.ai s limitem 500 000 znaků měsíčně a odešlete první požadavek podle rychlého startu.
