一个已经离场,一个已经排期
旧对比文的标题里还常出现两个名字,值得重新核对。一个已经离场:Meta 在 2025 年 7 月确认收购 PlayAI(PlayHT)团队(TechCrunch 报道),其 Voice API 几周内即被弃用,域名监测站 CartSignal 记录了 play.ht 域名自 2026 年 9 月起无法解析的时间线。另一个已排期:OpenAI 的旧 tts-1 与 tts-1-hd 端点定于 2027 年 1 月 6 日关停,该日期见下文链接的 AssemblyAI 调研。
下文每个价格都取自厂商定价页与官方文档,核查日期为 2026 年 11 月 12 日。各家计费细节与 AssemblyAI 的 2026 年 11 月 TTS 价格调研交叉核对过。
每百万字符挂牌价对照表
语音计费分两个阵营:按字符的 API 价,和带赠送额度的月度套餐。下表先比每百万字符的有效单价,因为这是跨厂商最可比的单位;注意 Cartesia 的有效价随套餐档位变化。
| 厂商 / 模型 | 每百万字符价格 | 免费档额度 |
|---|---|---|
| Google Cloud TTS Standard | 4 美元 | 每月 400 万字符 |
| Google Neural2 | 16 美元 | 每月 100 万字符 |
| Google Chirp 3: HD | 30 美元 | 每月 100 万字符 |
| OpenAI gpt-4o-mini-tts | 按 token 计费:输入 0.60 美元/百万 + 音频输出 12 美元/百万(无每字符挂牌价) | 未公示 |
| Deepgram Aura-2 | 按量 30 美元(Growth 套餐 27 美元) | 一次性 200 美元试用金 |
| Cartesia Sonic(Startup 档) | 约合 39.20 美元,超额 45 美元 | 免费档:每月 20K credits |
| Cartesia Sonic(Scale 档) | 约 37.4 美元,超额 38 美元 | 免费档:每月 20K credits |
| ElevenLabs v4 Turbo / Flash | 40 美元(每千字符 0.04 美元) | 免费档:每月 10K credits |
| ElevenLabs v4 / v3 / Multilingual v2 | 80 美元(每千字符 0.08 美元) | 免费档:每月 10K credits |
套餐数学:月费实际买到什么
ElevenLabs 的套餐从 Free(每月 10K credits)、Creator 每月 22 美元到 Scale 每月 299 美元(按 v4 每千字符 0.08 美元约合 370 万字符;按 Turbo 0.04 美元约合 750 万)。API 在每一档都按同样的每千字符 0.04 或 0.08 美元计费,超额部分也走这个价;套餐费买到的是月度额度、并发上限和克隆这类权益,套餐的等效单价(套餐费除以赠送额度)不会低于纯 API 价,选套餐的理由是并发与功能,而非折扣。并发额度方面:Multilingual v2 从 Free 的 2 路并发到 Scale 的 15 路,Flash 系列翻倍。专业声音克隆从 Creator 档(每月 22 美元)开始提供。
Cartesia 按 1 credit 1 字符售卖:Pro 5 美元含 100K,Startup 49 美元含 125 万,Scale 299 美元含 800 万,超额单价分别为每百万 65、45、38 美元。并发在 Pro 为 3 路、Startup 5 路、Scale 15 路。克隆名额从 Startup 档(2 个)起步,也就是说在 Cartesia 用上声音克隆的门槛比 ElevenLabs 更高。
免费层是预算的起点,但每家都有各自的限制。ElevenLabs Free 每月 10,000 credits,不授商用授权,做变现频道从第一条视频起就要付费。
领取入口:elevenlabs.io
Cartesia Free 把额度翻倍到每月 20,000 credits,但条款限定仅限个人用途。
领取入口:cartesia.ai
每分钟成本与字符密度的坑
字符换分钟取决于采用谁的假设。Cartesia 按每分钟音频 750 到 800 credits 计,ElevenLabs 官方文档则按每分钟 1,000 字符折算。按 ElevenLabs 自己的折算,一条 5 分钟口播视频需要 5,000 字符,在 ElevenLabs Turbo 上花费 0.20 美元;按 Cartesia 每分钟 750 到 800 字符的假设(相当于更慢的语速,每分钟字符更少),同样 5 分钟只需约 3,750 到 4,000 字符,在 Startup 档按 39.20 美元的有效价率约合 0.15 到 0.16 美元。
这里埋着两个坑。拿一家公示的分钟数除以另一家的分钟数会放大差距,因为两家对语速密度的假设不同。另外免费层的分钟数消耗很快:按这个密度,ElevenLabs Free 每月只够约 10 分钟口播(它的 credits 同样 1:1 对应字符,10,000 credits 按每分钟 1,000 字符折算),Cartesia Free 约 25 分钟,试音够用,正式做一期节目就见底。
按工作量路由预算
继续留在 Google Cloud TTS:如果你月产量大且对音质要求适中,Standard 音色每百万 4 美元、每月前 400 万字符免费,仍是这次对比里最便宜的口播价。
申请入口:cloud.google.com/text-to-speech
果断选择 Cartesia Startup(49 美元):如果生产级应用或语音代理需要低延迟、5 路并发和 Startup 档自带的 2 个专业声音克隆名额。
果断选择 ElevenLabs Creator(22 美元):如果变现视频追求最强的表现力,Turbo 系列每千字符 0.04 美元又能把单条视频成本拉回与 Cartesia 接近的水平。
在 ElevenLabs 走按量付费:如果月产量不足 10 万字符,暂时没有必要承诺任何套餐。