Kostenrechner für Text-to-Speech
Eingaben
| Zeichenanzahl | 10.000 |
|---|---|
| Preis (pro 1 Mio. Zeichen) | 15 $ |
Kostenrechner für Text-to-Speech
Schätzt die Kosten der Sprachsynthese mit einer Text-to-Speech-API aus der Zeichenanzahl und dem Preis pro Million Zeichen des Anbieters, in beliebiger Währung.
Eingaben
Synthese
Ergebnisse
Geben Sie einen Wert ein, um die Ergebnisse zu sehen.
Definition der Text-to-Speech-Kosten
Die Text-to-Speech-Kosten einer Sprachsynthese-API sind der Preis, der für die Umwandlung von geschriebenem Text in gesprochenes Audio berechnet wird, ermittelt aus der Anzahl der Eingabezeichen und dem veröffentlichten Preis pro Million Zeichen des Anbieters. Wer Voiceovers, Hörbuch-Entwürfe, Vorlesefunktionen zur Barrierefreiheit oder gesprochene Assistentenantworten erzeugt, benötigt diesen Wert, denn die Synthese wird nach Zeichen des Eingabetexts abgerechnet, nicht nach der Länge des erzeugten Audios.
Abrechnung der Synthese
Text-to-Speech-Anbieter zählen die Zeichen im übermittelten Text — Buchstaben, Leerzeichen und Satzzeichen inbegriffen — und rechnen pro einer Million Zeichen ab. Dies ist das Spiegelbild der Transkription, die nach Audiodauer abrechnet. Es unterscheidet sich auch von textbasierten Sprachmodellen, die nach Tokens abrechnen. Da ein einzelnes Zeichen nur einen winzigen Bruchteil eines Cents kostet, geben Anbieter den Tarif pro Million Zeichen an, damit die ausgewiesene Zahl lesbar bleibt.
Formel
Bei Eingabezeichen zu einem Preis pro Million Zeichen betragen die Kosten
C=106n⋅pDie Division durch wandelt den Preis pro Million in einen Preis pro Zeichen um, bevor mit der Zeichenanzahl multipliziert wird. Der Zusammenhang ist linear: Eine Verdopplung des Texts verdoppelt die Kosten.
Rechenbeispiel
Betrachten Sie ein Erzählskript von 8.400 Zeichen, das zu $15 pro Million Zeichen synthetisiert wird — einem veröffentlichten Tarif für eine hochwertigere Stimmstufe. Die Kosten betragen
C=1068400×15=0,0084×15=$0126das Skript kostet also etwa dreizehn Cent zu vertonen. Ein Hörbuch-Entwurf von 50.000 Wörtern — rund 300.000 Zeichen — würde beim selben Tarif etwa $4,50 kosten, was die Synthese für das Durchlaufen langer Erzähltexte praktikabel macht.
Anmerkungen und Varianten
Der Tarif hängt von der Stimmstufe ab. Eine Standardstufe kostet pro Zeichen weniger als eine hochauflösende Stufe, die eine natürlichere Prosodie erzeugt; setzen Sie den Tarif daher auf die Stufe, die Sie verwenden möchten. Manche Anbieter zählen ein Mehrbyte-Zeichen als ein Zeichen, andere zählen seine Bytes, was bei nicht lateinischen Schriften ins Gewicht fällt; prüfen Sie die Zählregel, bevor Sie in diesen Sprachen budgetieren. Wird derselbe Text nach einer Bearbeitung erneut synthetisiert, fällt die Abrechnung erneut zur vollen Zeichenanzahl an.
Anwendung
Die Kosten pro Skript sind der Baustein für Erzählbudgets — multiplizieren Sie sie mit der Anzahl der Skripte, um die wiederkehrenden Ausgaben abzuschätzen. Für die umgekehrte Richtung — das Transkribieren von Audio in Text statt der Synthese — siehe den Kostenrechner für Audio-Transkription. Wird die Synthese mit einem Sprachmodell kombiniert, das den Text entwirft, so wird die Seite aus Prompt und Vervollständigung vom Token-Kosten-Rechner behandelt.
Häufig gestellte Fragen (FAQ)
Wird Sprache nach Tokens oder Zeichen abgerechnet?
Text-to-Speech wird nach Eingabezeichen abgerechnet, nicht nach Tokens. Jedes Zeichen des gesendeten Texts — Buchstaben, Leerzeichen und Satzzeichen — zählt zur Gesamtsumme. Dies unterscheidet sich von Textmodellen, die nach Tokens abrechnen. Als grobe Faustregel umfasst englischer Text im Schnitt etwas weniger als sechs Zeichen pro Wort, einschließlich des nachfolgenden Leerzeichens.
Warum kosten hochwertigere Stimmen mehr?
Anbieter bieten in der Regel eine Standardstufe und eine hochauflösende Stufe an, die eine natürlichere Prosodie und klareres Audio erzeugt. Die hochauflösende Stufe wird zu einem höheren Preis pro Zeichen berechnet, da sie ein größeres Modell verwendet. Stellen Sie den Preis pro Million auf die Stufe ein, die Sie verwenden möchten; die Zeichenanzahl bleibt gleich.
Wie lässt sich die Zeichenanzahl abschätzen?
Die Zeichenanzahl ist schlicht die Länge der Textzeichenkette, sodass die meisten Editoren und Textverarbeitungsprogramme sie direkt anzeigen. Ist nur die Wortanzahl bekannt, liefert die Multiplikation mit etwa sechs eine brauchbare Schätzung für das Englische, da das durchschnittliche Wort samt nachfolgendem Leerzeichen nahe an sechs Zeichen liegt.
Haftungsausschluss
Dies ist eine Kostenschätzung. Veröffentlichte Text-to-Speech-Tarife ändern sich im Laufe der Zeit und variieren je nach Anbieter und Stimmstufe. Prüfen Sie die aktuellen Preise und die genauen Regeln zur Zeichenzählung bei Ihrem Anbieter, bevor Sie sich für die Budgetierung auf einen Wert verlassen.