Ultimo aggiornamento: 2026-06-22

Che cos'è il costo della sintesi vocale

Il costo della sintesi vocale di un'API di sintesi del parlato è il prezzo addebitato per trasformare il testo scritto in audio parlato, calcolato a partire dal numero di caratteri in ingresso e dalla tariffa per milione di caratteri pubblicata dal fornitore. Chiunque produca voci fuori campo, bozze di audiolibri, narrazione per l'accessibilità o risposte parlate di un assistente ha bisogno di questa cifra, perché la sintesi è misurata in base ai caratteri del testo in ingresso e non alla durata dell'audio che produce.

Come viene fatturata la sintesi

I fornitori di sintesi vocale contano i caratteri del testo inviato — lettere, spazi e punteggiatura tutti inclusi — e fatturano per milione di caratteri. È l'immagine speculare della trascrizione, che fattura in base alla durata dell'audio. Differisce inoltre dai modelli linguistici di testo, che fatturano per token. Poiché un singolo carattere costa una frazione minima di centesimo, i fornitori pubblicano la tariffa per milione di caratteri per mantenere leggibile la cifra principale.

La formula

Con $n$ caratteri in ingresso a un prezzo $p$ per milione di caratteri, il costo è

La divisione per $10^6$ converte la quotazione per milione in una tariffa per carattere prima di moltiplicare per il numero di caratteri. La relazione è lineare: raddoppiare il testo raddoppia il costo.

Esempio svolto

Si consideri uno script di narrazione di 8.400 caratteri sintetizzato a $15 per milione di caratteri, una tariffa pubblicata per una fascia di voce di qualità superiore. Il costo è

quindi lo script costa circa tredici centesimi da doppiare. Una bozza di audiolibro di 50.000 parole — all'incirca 300.000 caratteri — costerebbe circa $4,50 alla stessa tariffa, il che rende la sintesi pratica per iterare sulla narrazione di testi lunghi.

Note e varianti

La tariffa dipende dalla fascia di voce. Una fascia standard costa meno per carattere di una fascia ad alta fedeltà che produce una prosodia più naturale, quindi conviene impostare la tariffa sulla fascia che si intende usare. Alcuni fornitori contano un carattere multibyte come un singolo carattere e altri ne contano i byte, cosa che conta per gli alfabeti non latini; conviene verificare la regola di conteggio prima di preventivare in quelle lingue. Risintetizzare lo stesso testo dopo una modifica viene fatturato di nuovo per intero sul numero di caratteri.

Applicazione

Il costo per script è il mattone di base per i budget di narrazione: lo si moltiplica per il numero di script per stimare la spesa ricorrente. Per la direzione inversa — trascrivere l'audio in testo anziché sintetizzarlo — si veda il Calcolatore del costo di trascrizione audio. Quando la sintesi è abbinata a un modello linguistico che redige il testo, il lato prompt e completamento è gestito dal Calcolatore del costo dei token.