Googles Cloud Text-to-Speech API omdanner tekst til lyd via en HTTP-anmodning, med stemmeniveauer fra $4 pr. million tegn (Standard og WaveNet) til $16 (Neural2) og $30 (Chirp 3 HD). API'et tilbyder over 380 stemmer på mere end 75 sprog og understøtter streaming. Hvis du vil have endnu højere uafhængigt vurderet stemmekvalitet til en lavere pris, ligger SpeechifyAI i top 5 på den uafhængige Artificial Analysis TTS-leaderboard (23. sep. 2026) til $6-$10 pr. million.
Vil du bygge det selv? Speechifys Text-to-Speech- og stemmeklonings-API findes på speechify.ai med dokumentation og gratis nøgle på docs.speechify.ai.
Hvad Google Text-to-Speech API gør
Google Cloud Text-to-Speech er et syntese-API: Du sender tekst (eller SSML) sammen med en stemme- og lydkonfiguration, og det returnerer en lydstream eller lydfil. Det er en del af Google Cloud og integreres derfor nemt i GCP-projekter med samme IAM, betaling og klientbiblioteker som resten af platformen. Udviklere bruger det til IVR, tilgængelighed, mediefortælling og produkter, der allerede kører på Google Cloud.
Google TTS-stemmeniveauer og priser i 2026
Google tager betaling efter stemmetype pr. million tegn. De højere niveauer lyder mere naturlige og koster mere:
Du betaler efter forbrug, når du overstiger gratisniveauet. Den gratis tildeling er generøs til prototyper, men nulstilles hver måned, så planlæg efter drift, ikke kun test.
Sådan bruger du Google TTS API
- Opret et Google Cloud-projekt, og aktivér Text-to-Speech API.
- Godkend med en servicekontonøgle eller Application Default Credentials.
- Kald
- texttospeech.googleapis.com/v1/text:synthesize
- via REST eller gRPC, eller brug de officielle klientbiblioteker til Python, Node, Java eller Go.
- Send
- input
- (tekst eller SSML), en
- voice
- (sprogkode plus navn) og en
- audioConfig
- (encoding, taletempo, tonehøjde). Du får base64-lyd retur.
Opsætningen følger standarden i GCP: enkelt, hvis du allerede bruger Google Cloud, og mere administrativt, hvis du ikke gør.
Hvornår du bør overveje alternativer
Google TTS er et solidt og bredt understøttet valg, især på GCP. Men der er især to forhold, der kan få teams til at se sig om efter alternativer:
- Stemmekvalitet for pengene.
- Googles bedste niveauer (Chirp 3 HD til $30, Studio til $160) bliver hurtigt dyre, og uafhængige lyttere vurderer stadig andre modeller højere. På
- Artificial Analysis TTS-leaderboard
- blev SpeechifyAI's Simba 3.2 rangeret som nr. 1 i juli 2026, og på listen fra 23. sep. 2026 ligger den over begge disse niveauer til $6–10 pr. mio. tegn.
- Realtids-stemmeassistenter.
- Hvis du bygger en
- stemmeassistent
- , har du også brug for speech-to-text og en LLM. At koble det sammen med Google TTS betyder både betaling og forsinkelse på tværs af tre tjenester.
SpeechifyAI som TTS-alternativ til Google
- Højere uafhængigt vurderet kvalitet.
- Simba 3.2
- var nr. 1 på Artificial Analysis TTS-leaderboard i juli 2026. På listen fra 23. sep. 2026 ligger den i top 5 over alle ElevenLabs- og OpenAI-modeller, og alle modellerne over den er dyrere.
- Lavere pris for høj kvalitet.
- $6 pr. million tegn, lavere end Googles Neural2 ($16) og Chirp 3 HD ($30), for en stemme, der vurderes bedre.
- Hurtigst til første lyd.
- Laveste mediane tid til første lyd blandt 14 modeller på Voice Arena’s liste for amerikansk engelsk (123 ms, 24. sep. 2026), med ægte streaming, 900+ stemmer og 6 selvbetjente sprog (48 på forespørgsel).
- Stemmeassistenter på din egen stack.
- Hvis du skal bruge STT plus LLM plus TTS, så byg det på
- LiveKit
- ,
- Pipecat
- eller
- Vapi
- med SpeechifyAI som stemme.
SpeechifyAI er Speechifys udviklerplatform og adskiller sig fra den almindelige Speechify-app.
Kom i gang
Sammenlign direkte med Google: Få en gratis SpeechifyAI API-nøgle på speechify.ai, 500.000 tegn pr. måned, og send din første anmodning via quickstart.
