Última atualização: 2026-06-22

O custo de texto para fala explicado

O custo de texto para fala de uma API de síntese de voz é o preço cobrado para transformar texto escrito em áudio falado, calculado a partir do número de caracteres de entrada e da tarifa por milhão de caracteres publicada pelo provedor. Quem produz narrações, rascunhos de audiolivros, narração de acessibilidade ou respostas faladas de assistentes depende desse valor, pois a síntese é medida por caracteres do texto de entrada, e não pela duração do áudio que ela produz.

Como a síntese é cobrada

Os provedores de texto para fala contam os caracteres do texto que você envia — letras, espaços e pontuação, todos incluídos — e cobram por um milhão de caracteres. Esse é o espelho da transcrição, que cobra pela duração do áudio. Também difere dos modelos de linguagem de texto, que cobram por tokens. Como um único caractere custa uma fração ínfima de centavo, os provedores publicam a tarifa por milhão de caracteres para manter o número principal legível.

A fórmula

Com $n$ caracteres de entrada a um preço $p$ por milhão de caracteres, o custo é

A divisão por $10^6$ converte a cotação por milhão em uma tarifa por caractere antes de multiplicar pela contagem de caracteres. A relação é linear: dobrar o texto dobra o custo.

Exemplo resolvido

Considere um roteiro de narração de 8.400 caracteres sintetizado a $15 por milhão de caracteres, uma tarifa publicada para um nível de voz de maior qualidade. O custo é

de modo que o roteiro custa cerca de treze centavos para vocalizar. Um rascunho de audiolivro de 50.000 palavras — aproximadamente 300.000 caracteres — custaria cerca de $4,50 à mesma tarifa, o que torna a síntese prática para iterar sobre narração de formato longo.

Notas e variações

A tarifa depende do nível de voz. Um nível padrão custa menos por caractere do que um nível de alta fidelidade que produz prosódia mais natural, então defina a tarifa para o nível que pretende usar. Alguns provedores contam um caractere multibyte como um caractere e outros contam seus bytes, o que importa para escritas não latinas; verifique a regra de contagem antes de orçar nesses idiomas. Ressintetizar o mesmo texto após uma edição é cobrado novamente pela contagem total de caracteres.

Aplicação

O custo por roteiro é o bloco de construção de orçamentos de narração — multiplique-o pelo número de roteiros para estimar o gasto recorrente. Para o sentido inverso — transcrever áudio em texto em vez de sintetizá-lo — consulte a Calculadora de Custo de Transcrição de Áudio. Quando a síntese é combinada com um modelo de linguagem que redige o texto, o lado do prompt e da resposta é tratado pela Calculadora de Custo por Token.