Calculadora
Precios Speech-to-Text y Text-to-Speech
Compara precios de STT (por minuto) y TTS (por 1M caracteres) entre 7 proveedores. Ingresa minutos de audio y caracteres mensuales para ver el stack más barato.
Precios actualizados:
La calculadora AITOT Speech Pricing compara el coste de Speech-to-Text (STT) y Text-to-Speech (TTS) en 7 proveedores — OpenAI, Google Cloud, Azure AI Speech, AWS (Transcribe + Polly), Deepgram, AssemblyAI y ElevenLabs. STT se factura por minuto de audio; TTS se factura por millón de caracteres de texto — unidades distintas a cualquier otra calculadora de este sitio.
A 10.000 minutos de transcripción por lote al mes, AssemblyAI Universal-2 es el más barato a $25 ($0.0025/min); OpenAI GPT-4o mini Transcribe cuesta $30. Para tiempo real/streaming, Deepgram Nova-3 lidera a $0.0048/min ($48/mes al mismo volumen), justo por delante de ElevenLabs Scribe v2 Realtime a $0.0065/min. En TTS, 5M caracteres/mes cuestan $20 en Google Cloud Standard/WaveNet o AWS Polly Standard, frente a $800 en Google Cloud Studio — una diferencia de 40× para el mismo texto.
El STT en streaming/tiempo real cuesta notablemente más que por lote en el mismo proveedor (Azure: 5.5×, AWS: igual, Deepgram: ~1.8×) porque requiere infraestructura de baja latencia siempre activa. OpenAI es la única excepción en TTS: factura por token, no por carácter, así que su cifra de $/1M caracteres en esta calculadora es una aproximación derivada, no una tarifa nativa — se marca claramente donde aparece.
Precios de Speech-to-Text
Más barato · mensual
AssemblyAI · Universal-2 (pre-recorded)
$0.0025 $ / minuto
$25/mes
| Proveedor | Modelo | $ / minuto | Total / mes |
|---|---|---|---|
| AssemblyAI | Universal-2 (pre-recorded) | $0.0025 | $25 |
| OpenAI | GPT-4o mini Transcribe | $0.003 | $30 |
| Azure AI Speech | Standard (batch) | $0.003 | $30 |
| AssemblyAI | Universal-3.5 Pro (pre-recorded) | $0.0035 | $35 |
| ElevenLabs | Scribe v1/v2 (batch) | $0.0037 | $37 |
| OpenAI | GPT-4o Transcribe | $0.006 | $60 |
| Deepgram | Nova-3 (pre-recorded) | $0.0077 | $77 |
| Google Cloud | Speech-to-Text v2 (Standard/Chirp) Volume discount to $0.004/min at 2M+ min/month | $0.016 | $160 |
| AWS Transcribe | Standard (batch) | $0.024 | $240 |
Precios de Text-to-Speech
Más barato · mensual
Google Cloud · Standard / WaveNet
$4.00 $ / 1M caracteres
$20/mes
| Proveedor | Modelo | $ / 1M caracteres | Total / mes |
|---|---|---|---|
| Google Cloud | Standard / WaveNet | $4.00 | $20 |
| AWS Polly | Standard | $4.00 | $20 |
| OpenAI | GPT-4o mini TTS Billed per token ($0.60/M text-input + $12/M audio-output), not per character — figure is a derived approximation from ~1,000 input chars ≈ 1 min audio ≈ $0.015 | $15.00 | $75 |
| Deepgram | Aura-1 | $15.00 | $75 |
| Google Cloud | Neural2 | $16.00 | $80 |
| Azure AI Speech | Neural | $16.00 | $80 |
| AWS Polly | Neural | $16.00 | $80 |
| Azure AI Speech | Neural HD Dropped from $30/M in March 2026 | $22.00 | $110 |
| Google Cloud | Chirp 3: HD | $30.00 | $150 |
| AWS Polly | Generative | $30.00 | $150 |
| Deepgram | Aura-2 | $30.00 | $150 |
| ElevenLabs | Flash / Turbo | $50.00 | $250 |
| AWS Polly | Long-Form | $100.00 | $500 |
| ElevenLabs | Multilingual v2/v3 | $100.00 | $500 |
| Google Cloud | Studio | $160.00 | $800 |
El STT en streaming/tiempo real suele costar más que el modo lote en el mismo proveedor. El TTS de OpenAI cobra por token, no por carácter — su cifra de $/1M caracteres es una aproximación derivada, no una tarifa nativa.
Qué hace esta calculadora
7 proveedores, 2 unidades de precio
STT en $/minuto, TTS en $/1M caracteres — las unidades que usa cualquier factura real de voz.
Toggle lote vs streaming
El precio STT en tiempo real/streaming difiere del de lote hasta 5.5× en el mismo proveedor.
Tablas STT + TTS separadas
La mayoría de apps usan solo una dirección (transcribir o narrar) — compara cada una por separado.
Coste mensual a tu escala
Ingresa tus minutos/caracteres reales por mes, no una tarifa genérica.
Orden más barato primero
Ambas tablas ordenan por coste mensual total, así el ganador a tu escala siempre es la primera fila.
TTS facturado por token marcado
OpenAI GPT-4o mini TTS factura por token — su cifra por carácter se marca claramente como aproximación.
Comparación rápida
Coste mensual a 10.000 minutos STT (lote) + 5M caracteres TTS
| Componente | Proveedor más barato | Mensual |
|---|---|---|
| STT lote (10k min) | AssemblyAI Universal-2 | $25 |
| STT lote (10k min) | OpenAI GPT-4o mini Transcribe | $30 |
| STT streaming (10k min) | Deepgram Nova-3 (streaming) | $48 |
| TTS (5M caracteres) | Google Cloud / AWS Polly Standard | $20 |
| TTS (5M caracteres) | Deepgram Aura-1 | $75 |
| TTS (5M caracteres) | Google Cloud Studio | $800 |
Las voces Standard/base son 8–40× más baratas que las de nivel premium (Studio, Long-Form) para el mismo número de caracteres.
Cómo usar esta calculadora
Compara el coste mensual de Speech-to-Text y Text-to-Speech en 7 proveedores.
- 1
Ingresa minutos STT/mes
Total de minutos de audio que transcribes mensualmente — llamadas, reuniones, buzón de voz, subtítulos.
- 2
Elige lote o streaming
Lote (pre-grabado) es más barato. Streaming (tiempo real) cuesta más pero es necesario para subtítulos en vivo/agentes de voz.
- 3
Ingresa caracteres TTS/mes
Total de caracteres de texto que sintetizas a audio mensualmente.
- 4
Compara y elige
Ambas tablas ordenan de más barato a más caro. Las voces Standard ganan en coste; las premium (Studio, Long-Form) ganan en naturalidad.
Por qué usar esta calculadora
- ✓7 proveedores, STT + TTS
- ✓Modelado lote vs streaming
- ✓Unidades reales $/minuto + $/carácter
- ✓Orden más barato primero
- ✓TTS facturado por token, marcado no oculto
- ✓Sin necesidad de login