2026 TTS 每百万字符价格:从 Google 的 4 美元到 ElevenLabs v4 的 80 美元
ElevenLabs 每百万字符收 40 到 80 美元,Cartesia Startup 档约合 39 美元,Google Cloud TTS 每月最多送 400 万免费字符。完整价格表与预算路由建议,核查于 2026 年 11 月 12 日。
深度对比经过实测的 语音与音频 工具,涵盖速度、准确度与投入产出比。查看横向参数矩阵与评测详情。
| 工具名称 | 收费模式 | 免费额度 / 起步门槛 | 核心适用场景 | 综合评分 | 深度评测 |
|---|---|---|---|---|---|
| Yogurt | Free | MIT 协议下免费开源。不需要账号,README 没有列出付费档。装完之后,转写和摘要在本机运行。第一套笔记模型大约 5 GB,电脑跑得动的最好模型可以到 14 GB 或更大。会议数据留在本地;软件联网只为下载模型和检查更新。(github.com/FrigadeHQ/yogurt README 常见问题,2026-11-14 核实;产品站 https://www.yogurt.so) | 想要类似 Granola 的会议笔记、但不想在通话里加机器人、也不想注册账号的人;机器至少 8 GB 内存,并且能先空出大约 5 GB 给第一套模型。 | ★ 4.4 | 查看详情 → |
| Klang | Freemium | Free 档 €0 永久:会议与通话转写、会议助手、移动端与桌面端 App、摘要与对话问答、30 天历史,MCP 接入每天 30 次调用。Pro €16/人/月(按月计费,不含增值税,可 7 天免费试用):全量历史可检索、整篇转写的说话人识别、集成与自动化、Word/Excel/SRT/VTT 导出、定时分析、词表、转写翻译,MCP 每天 1,000 次调用。Business €30/人/月 再加会议视频录制、自行配置的 SSO、账户内 DPA 协议、工作区使用统计、审计日志、已验证域名、混合会议,MCP 每天 5,000 次调用。Enterprise 需询价,另有私有云或本地部署与自带密钥(BYOK)、自定义留存期与 SLA。按年付最多省 16%。(klang.ai/pricing 与 klang.ai/security,2026-11-13 核实) | 欧洲的政企、法务、保险与审计团队:既要客户会议可检索的完整记录,又要求转写、分析和数据留在欧盟由同一家供应商解决,而不是用美系云端记录工具。 | ★ 4.3 | 查看详情 → |
| Mitra MCP | Paid | getmitra.com/pricing 上三档付费:可选月付或年付,年付按页面标注省 17%。Mitra Pro $30/月($300/年),每月 5 小时通话,并行通话数不设限,聊天用量为标准档;Mitra Premier $90/月($900/年),每月 20 小时通话,并行不限,聊天用量 3 倍;Mitra Prime $300/月($3000/年),每月 80 小时通话,并行不限,聊天用量 10 倍。Mitra Enterprise 需洽谈,含优先支持、定制用量上限和管理控制。新用户 7 天免费试用,含 2 小时通话和有限聊天用量;注册满 7 天或 2 小时用完,哪个先到算哪个。付费用户可在 Profile 加买通话小时数,也能充聊天额度,额度不过期。MCP 功能在试用和每个付费档里都已包含,不额外收费(getmitra.com/pricing 与 getmitra.com/mcp,2026-11-12 核实)。 | 靠电话做生意的个体经营者和小店主,以及宁愿对 Claude、ChatGPT 说一句去订位、去比价、去跟进,也不想自己在听筒前排队的人。 | ★ 4.2 | 查看详情 → |
| ScribeCrate | Free | 软件本身不收钱,MIT 开源协议,2026-11-11 在 scribecrate.com 和 GitHub 仓库(hwdsl2/scribecrate)核对。花销只有自己的服务器:默认 CPU 部署,基础模型至少留 700 MB 可用内存;amd64 上有 NVIDIA CUDA 镜像可选。官网没有托管套餐,也没有按量计费;API 跑在你自己机器上,不需要 OpenAI 账号或 key。 | 已有自建服务器习惯的开发者和对数据出境敏感的团队:会议纪要、播客、访谈在自家网络里出转写、字幕和英文翻译。 | ★ 4.2 | 查看详情 → |
| NorSpeak | Freemium | 网页试玩免费、不扣额度。月付 $9.90 约 30 万单位 + 1 把 API Key;季付 $24.90 约 100 万单位 + 3 把;年付 $79 约 450 万单位 + 10 把。加油包一次付清永不过期:入门 $4.99 约 10 万单位、创作者 $12.99 约 30 万、专业 $29.99 约 75 万。计费口径(norspeak.com/pricing 2026-11-10 核实):文字转语音按输入字符计,1 字符 = 1 单位;语音转文字按转写结果字符计,1 字符 = 1 单位;实时通话按分钟计,1 分钟 = 60 单位。 | 想先听效果再决定接不接 API 的创作者:网页里免费试足 TTS、转写和实时语音,量起来了再按量买 API Key。 | ★ 4 | 查看详情 → |
| LotusQ | Freemium | 免费版:每周 2,000 词,功能全开;新账号有 7 天 Pro 试用、无需绑卡(不绑卡的试用约每天 2 小时听写量)。Pro 版:$6.99/月或 $59.99/年(折合 $5/月,省 28%),在合理使用规则下不限听写量。一个订阅同时覆盖桌面端与 iPhone 语音键盘(lotusq.io 定价页 2026 年 11 月 10 日核实)。 | 用说话代替打字来起草邮件、文档、AI 提示词和 commit message,尤其适合在 Cursor、VS Code 和终端里口述指令的场景。 | ★ 4.5 | 查看详情 → |
| ElevenLabs | Freemium | 免费版每月 10,000 字符额度;Starter 计划 $5/月(首月仅需 $1);Creator 创作者版 $22/月。 | 视频创作者、播客主播、有声读物录制、游戏角色配音与跨国出海本地化译配团队。 | ★ 4.9 | 查看详情 → |
| Suno | Freemium | 每日免费赠送 50 积分(可生成 10 首曲目);Pro 专业版 $10/月(年付 $8/月),享商用版权。 | 寻找免版税配乐的内容创作者、音乐人灵感采样、广告原声制作及大众娱乐创意表达。 | ★ 4.8 | 查看详情 → |
| Fireflies.ai | Freemium | 免费版赠送 800 分钟存储额度;Pro 订阅每位用户 $10/月,解锁无限转录与 AI 智能会议总结。 | 跨国远程团队、销售拜访、用户深度访谈(UX Research)与项目进度同步会议。 | ★ 4.7 | 查看详情 → |
| OpenAI Whisper | Free | 开源权重完全免费(支持本地离线运行);官方云端 API 价格仅为 $0.006/分钟。 | 视频字幕制作者、开发听写工具的工程师以及需要在本地离线处理高私密录音的用户。 | ★ 4.9 | 查看详情 → |
| Udio | Freemium | 免费档每日 10 积分加每月 100 积分(约 3 首歌/日);Standard $10/月(年付 $8)含 2,400 积分;Pro $30/月含 6,000 积分。目前下载功能暂停。 | 需要快速打磨灵感的词曲作者、重混短循环的制作人,以及在确定付费导出方案前先比音质的音乐爱好者。 | ★ 4.5 | 查看详情 → |
Frigade 做的免费 MIT 会议笔记:录的是麦克风和系统声音,通话里不进机器人,转写留在本机。
Yogurt 由 Frigade 出品,录的是麦克风和电脑正在播放的声音,用 whisper.cpp 转写;支持的 Mac 上,Apple SpeechAnalyzer 负责实时出字,Whisper 负责存档稿。摘要和问答走 llama.cpp 上的本地开源权重,按机器在 Gemma 4、gpt-oss、Qwen3 这几族里选。多语言模式可转写 99 种语言,默认是英语,软件界面提供 32 种语言。README 写的配置:Apple 芯片 Mac 且 macOS 14.4 及以上,Windows 10 版本 2004 及以上(x64),或 Ubuntu 22.04 及以上(x64),内存至少 8 GB。Zoom、Teams、Meet 的说话人姓名和日历只在 Mac 上可用。本地 MCP 默认关闭,要在「设置 → AI 应用」里打开;只读。Mac 和 Linux 上套接字权限是 0600。没有按应用发的令牌,访问开着时,同一用户下的任何应用都能读。README 给出了 Mac、Windows、Linux 的安装包链接。
瑞典团队做的「会议记忆库」,自研 Pianissimo 语音转文字模型,数据留在欧盟、ISO 27001 认证,能检索组织说过的每一场对话。
Klang 把工作对话录下来、转成文字并做分析,让内容日后可以被检索,而不是靠人复述。会议助手可加入已排定的线上会议(首页示例列的是 Google Meet 日程),移动端与桌面端 App 负责现场与本地录音;转写全部使用自研 Pianissimo 语音转文字模型,带自动纠错与可编辑,说话人识别是付费档功能。真正差异在跨对话这一层:同一个客户的需求,能从客户会议一直连到团队规划、技术评审和发布决策,Klang 会把这些串成每日与每周简报,标出流失信号、异议、功能请求、以及带待办的决议。上层软件通过 MCP 接入,调用额度从 Free 每天 30 次到 Business 每天 5,000 次,另有公开 API;官网列出的集成超过 50 个,含 Slack、Microsoft Teams、Notion、Google Drive、OneDrive、Dropbox、HubSpot、Pipedrive。Pro 增加转写翻译、定时分析与更多导出格式。Klang AI AB 注册于赫尔辛堡,所有客户数据在欧盟境内处理,通过 ISO 27001 认证并符合 GDPR,支持两步验证、BankID、SAML 2.0 与 OpenID Connect,并出售密钥完全由客户掌握的 Klang Vault(AES-256)以及 Enterprise 本地部署。
一个 MCP 连接器,让 Claude、ChatGPT、Grok 拿起电话替你办事。
Mitra MCP 把 Mitra 这个 AI 电话助理接进支持自定义远程 MCP 连接器的应用,聊天里一句话就变成真正打出去或接起来的电话。官方页写的接入就三步:在 AI 应用里添加自定义 MCP 连接器,服务器地址 https://mcp.getmitra.com/mcp,用 OAuth 登录 Mitra 账号,然后直接吩咐。官方列出的宿主是 ChatGPT、Claude、Grok,示例任务都是电话那头的事:订 7 点左右四位的餐桌、给几家本地水管工挨个打电话问价并比较、按你的空闲约洗牙、问修车什么时候能取,结果回到同一个对话里。Mitra 用自己现有的号码工作:接不过来的电话它接,不想打的它打,扛得住排队和语音导航,只有紧急或必须你本人时才把电话转来;过程中可以实时看转写、旁听,或直接加入通话。Mitra 自己的客户端覆盖 Mac(macOS Sequoia 15 及以上,通用版)、Windows 11 或 Windows 10 2004 及以上的 x64 与 ARM64、Linux 的 .deb/.rpm/AppImage/Arch 包、iOS 18 及以上的 iPhone 和 iPad、Android 9 及以上,以及网页版。开发商为 DeusMachina, Inc。价格、试用额度、MCP 接入方式和平台清单均为 2026-11-12 在 getmitra.com 现查。
自己服务器上的转写 API,接口兼容 OpenAI,音频不出你自己的服务器。
ScribeCrate 把 faster-whisper 打包成一个 Docker 转写服务,对外只有两个常见接口:/v1/audio/transcriptions 和 /v1/audio/translations。原来对接 OpenAI Whisper API 的客户端,把地址指到你自己的服务器,常见转写调用就能对接。上传 MP3、M4A、WAV、WebM、OGG、FLAC 六种格式,可返回纯文本、JSON、verbose JSON、SRT 或 WebVTT 字幕,翻译接口输出英文。模型从 tiny 一路选到 large-v3、large-v3-turbo。装上本地 sherpa-onnx 扩展可以做说话人分离,访谈和会议纪要能标出每段是谁说的;上传的文件还能用 SSE 流式收转写结果。提前缓存模型并打开 WHISPER_LOCAL_ONLY,可以完全离线运行。一条 docker run 命令在 9000 端口启动,默认只监听本机,新装自动生成 API key。作者是 Self-Hosted AI Stack 的 Lin Song,其仓库合计超过 4 万 GitHub star。它只管录音文件,实时麦克风转写要用同作者的姊妹项目 ScribeCrate Live。约一个月前上架 theresanaiforthat.com,10 人评分 4.6,star 数与评分均为 2026-11-11 现查。
浏览器里的语音工作台:文字转语音、语音转文字、实时语音对话收进同一个网页,免安装、免配密钥即可试用。
NorSpeak 是 2026 年 11 月上线的浏览器语音工作台,把三件语音活收进一个页面:文字转语音、语音转文字、实时语音对话。TTS 面板单次可处理约 8000 字符,示例音色 Eve、语种自动检测、试听后导出 MP3;站点自带 Worker 密钥,访客不做任何配置就能听到效果。STT 面板支持本机上传或音频链接,单文件约 25 MB 以内,可输出格式化文稿、分离说话人、保留口头语,并用 Keywords 术语表纠正专业名词。实时通话页是呼吸感球体界面,默认音色 Ara·温暖、语速可调;麦克风权限只在你点连接时才申请,底层模型(演示为 grok-voice-latest)折叠在高级设置里。官方把目标用户定位在短视频创作者、客服团队和想先试效果再接 API 的独立开发者。
跨 Mac、Windows、Linux 的系统级语音听写:按住按键说话,文字直接落在当前应用的光标处。
LotusQ 是 ANNT Capital 出品的桌面语音听写应用,2026 年 11 月版本号为 2.17.0。按住听写键(Mac 为 Fn、Windows 为 Ctrl+Win、Linux 为 F1)说完松手,文字就出现在光标所在位置,邮件、聊天、编辑器、浏览器输入框通用。它会去掉口头语和半截话,按所在应用套用 6 种写作风格之一,并用个人词典记住专有名词,条目不限、支持 CSV 导入。在终端里说出的命令保持小写、参数符号不被改写;说出的变量名转成 camelCase;说「scratch that」即可丢弃前面内容。音频仅在你说话期间流式上传,App 与服务器都不落盘,但其两套语音处理器之一会为滥用检测留存音频。支持 78 种语言并逐句自动识别语种,同一账号还附带 iPhone 语音键盘。
用于生成和克隆语音,也提供多语言配音,适合有声内容和视频译配。
全球语音合成领域的行业标杆。支持 30+ 种语言的自然发音,具备令人惊叹的语气情绪表达能力,仅需几秒样本即可完美克隆原声,广泛应用于有声书、播客与出海视频译配。
按文字描述生成带人声、歌词和编曲的完整歌曲,适合先打样,再按付费档导出。
引爆全网的 AI 音乐生成利器。只需描述一段场景、风格或歌词,Suno 就能在数秒内谱写出包含前奏、副歌、乐器编曲与高保真人声演唱的高完整度歌曲,支持流行、摇滚、爵士等海量流派。
全能会议智能助手,自动接入 Zoom/Teams/Meet,实时听写讨论并提取关键待办。
职场必备的远程协作会议秘书。自动加入主流视频会议系统录制对话,生成精准时间戳逐字稿,并通过大模型提炼核心决策、待办清单(Action Items)及关键发言论点。
由 OpenAI 开源的全球顶尖语音识别与自动转录模型,抗噪力强,支持近百种语言。
语音转文字领域的基础设施级开源模型。在 68 万小时多语言音视频数据上训练而成,具备极高鲁棒性,无惧口音与环境底噪,是构建本地离线听写与字幕生成的终极工具。
主打精准上下文生成与局部重绘的 AI 音乐工作室,擅长短篇幅人声曲目的快速迭代。
Udio 生成的短曲人声表现出色,提供 inpainting 局部重绘与音频重混等精细编辑。受授权过渡影响,成品目前只能以链接形式分享,无法导出音频文件。
ElevenLabs 每百万字符收 40 到 80 美元,Cartesia Startup 档约合 39 美元,Google Cloud TTS 每月最多送 400 万免费字符。完整价格表与预算路由建议,核查于 2026 年 11 月 12 日。
Suno Pro 与 Udio Standard 同为每月 10 美元,但 Suno 含商用许可与每月 20 次下载,Udio 自 2025 年 10 月 29 日起导出仍被暂停。额度、版权与选型一次拆清。
OpenAI 将在 2027 年 1 月 6 日前关停全部传统 Speech API 语音合成模型。我们逐项对比了官方定价、免费额度与声音克隆能力,告诉你新项目该选谁、老项目往哪迁。
厌倦了人均动辄 $20/月的会议录音软件账单?本文汇总了最值得尝试的免费、高性价比及本地离线听写工作流,大幅降低远程团队开销。