Google Cloud Text-to-Speech API gjør tekst om til lyd via et HTTP-kall, med stemmekategorier fra $4 per million tegn (Standard og WaveNet) til $16 (Neural2) og $30 (Chirp 3 HD). Over 380 stemmer på mer enn 75 språk støttes med strømming. Ønsker du høyere, uavhengig vurdert stemmekvalitet til lavere pris, er SpeechifyAI rangert som #1 på den uavhengige Artificial Analysis TTS-ledertavlen til $6–10 per million.
Hva Google Text-to-Speech API gjør
Google Cloud Text-to-Speech er et syntese-API: Du sender tekst (eller SSML) sammen med stemme- og lydinnstillinger, og får tilbake en lydstrøm eller lydfil. API-et er en del av Google Cloud og integreres direkte i GCP-prosjekter. Det bruker samme IAM, fakturering og klientbiblioteker som resten av plattformen. Utviklere bruker det til IVR, tilgjengelighet, mediefortelling og andre produkter som kjører på Google Cloud.
Googles TTS-stemmekategorier og priser i 2026
Google tar betalt per million tegn basert på stemmetype. Høyere nivåer høres mer naturlige ut og koster mer:
Du betaler for forbruk utover gratisnivået. Gratisandelen er raus for prototyper, men nullstilles hver måned, så planlegg for produksjonsbehov, ikke bare for testing.
Slik bruker du Google TTS API
- Opprett et Google Cloud-prosjekt og aktiver Text-to-Speech API-et.
- Autentiser med en tjenestekontonøkkel eller Application Default Credentials.
- Kall
- texttospeech.googleapis.com/v1/text:synthesize
- via REST eller gRPC, eller bruk de offisielle klientbibliotekene for Python, Node, Java eller Go.
- Send
- input
- (tekst eller SSML), en
- voice
- (språkkode og navn) og en
- audioConfig
- (koding, hastighet, toneleie). Svaret er lyd i base64.
Oppsettet er typisk GCP: praktisk hvis du allerede bruker Google Cloud, men mer omstendelig hvis du ikke gjør det.
Når bør du vurdere alternativer?
Google TTS er et solid og bredt støttet valg, spesielt på GCP. Men to ting gjør at team ofte vurderer alternativer:
- Stemmekvalitet per krone.
- Googles mest naturtro nivåer (Chirp 3 HD til $30, Studio til $160) blir fort dyre, og uavhengige lyttere rangerer fortsatt andre modeller høyere. På
- Artificial Analysis TTS-ledertavlen
- (juli 2026) er SpeechifyAIs Simba 3.2 rangert som #1, foran Google DeepMind.
- Taleagenter i sanntid.
- For en snakkende
- taleagent
- trenger du også tale-til-tekst og LLM. Å koble disse til Google TTS betyr fakturering og forsinkelse på tvers av tre tjenester.
SpeechifyAI som et alternativ til Google TTS
- Høyere kvalitet i uavhengige vurderinger.
- Simba 3.2
- er rangert som #1 på den uavhengige Artificial Analysis TTS-ledertavlen (juli 2026) og delt 2.-plass på Voice Arena, foran Google DeepMind, ElevenLabs og OpenAI.
- Lavere pris for høy kvalitet.
- $6 per million tegn, lavere enn Googles Neural2 ($16) og Chirp 3 HD ($30), for en stemme som rangerer høyere.
- ~300 ms forsinkelse, 30+ språk, 1 500+ stemmer
- , med ekte strømming for sanntidsapplikasjoner.
- Pakkede taleagenter.
- Trenger du STT + LLM + TTS, leverer SpeechifyAI ett API fra $0,068 til $0,075 per minutt, uten mellomliggende fakturering.
SpeechifyAI er Speechifys utviklerplattform, og er noe annet enn forbrukerappen Speechify.
Kom i gang
Sammenlign med Google på sekunder: Få en gratis SpeechifyAI API-nøkkel på speechify.ai, bruk 50 000 tegn hver måned, og installer SDK med pip install speechify-api eller npm install @speechify/api.
