Tarifs des modèles de synthèse vocale comparés
Chaque voix avec laquelle BibiGPT peut faire la narration, au prix par million de caractères, avec un échantillon officiel à écouter. Les modèles facturés au token sont convertis à environ 15 caractères par seconde de parole.
Prix vérifiés le 2026-10-26. Ce sont des prix catalogue en amont, pas les tarifs de BibiGPT.
| Modèle | Écouter | par 1 M de car. | 1 M de car. | Prix catalogue | Points forts | Dans BibiGPT |
|---|---|---|---|---|---|---|
Kokoro-82M (dans le navigateur) Open source · sur l'appareil kokoro-jsGratuit ; le texte reste dans le navigateur. Les langues non prises en charge basculent sur la voix du système. | $0 | $0 | Gratuit (s'exécute dans votre navigateur, téléchargement unique d'environ 86 Mo) | zh/en/ja Faible latence | Sur l'appareil Lecture à voix haute dans le navigateur | |
Qwen-Audio-3.1 TTS FlashLe moins cher Alibaba Qwen qwen-audio-3.1-tts-flashLa 3.1 est passée à la facturation au token ; BibiGPT utilise toujours la 3.0 Flash. | $2.87Est. | $2.87 | ¥1.5 en entrée / ¥12 en sortie par million de tokens (région de Pékin) | zh/en + voix dialectales Conception de voix | Pas dans BibiGPT | |
xAI TTS xAI (hébergé sur fal) xai/tts/v1L'option au caractère la moins chère que nous utilisons. | $15 | $15 | $0.015 par 1 000 caractères | Multilingue, chinois sur demande Faible latence | Dans BibiGPT | |
Qwen-Audio-3.0 TTS Flash Alibaba Qwen (OpenRouter) qwen/qwen-audio-3.0-tts-flashNarration en chinois économique et stable. | $15 | $15 | $15 par million de caractères (OpenRouter); site chinois ¥1 par 10 000 caractères, un caractère chinois compte pour 2 | zh/en + voix dialectales | Dans BibiGPT | |
Fish Audio S2.1 Pro Fish Audio fish-audio/s2.1-proFacturé à l'octet : $15 par million de caractères anglais, environ $45 par million de caractères chinois. Clonage de voix solide. | $15 | $15 | $15 par million d'octets UTF-8 (un caractère chinois fait environ 3 octets) | 80+ langues Clonage de voixBalises expressives | Dans BibiGPT | |
HeyGen Voice HeyGen (OpenRouter) heygen/heygen-voice-1Lit le chinois et l'anglais ; la voix par défaut est Nadine. | $15 | $15 | $15 par million de caractères (OpenRouter ; palier turbo $4) | Multilingue | Dans BibiGPT | |
Gemini 3.8 Flash TTS Google gemini-3.8-flash-ttsVoix de narration par défaut. Plusieurs locuteurs en un seul appel ; le ton se pilote avec des instructions en langage naturel. | $15.1Est. | $15.1 | $0.50 entrée texte / $9 sortie audio par million de tokens (doublement à $1 / $18 dès 2027) | 80+ langues Multi-locuteursBalises expressives | Dans BibiGPT | |
GPT-4o mini TTS OpenAI gpt-4o-mini-ttsLe ton se pilote par instructions ; le chinois a un léger accent. | $16.2Est. | $16.2 | $0.60 entrée texte / $12 sortie audio par million de tokens (environ $0.015/min) | Multilingue Balises expressives | Pas dans BibiGPT | |
DeepSeek POST /v1/tools/ttsDeux voix seulement (Stella, Tide), sans réglage de vitesse ni d’émotion. Environ 1 s avant le premier son et ~5× le temps réel lors de notre test. Le chinois compte double, soit environ 45 $ par million de caractères chinois. | Pas d'exemple officiel | $22.5 | $22.5 | 0,45 $ pour 10 000 caractères (−50 % pour une durée limitée : 0,225 $) ; un caractère chinois compte double | Mandarin, cantonais, anglais, japonais, coréen et 5 autres Faible latence | Dans BibiGPT |
Deepgram Aura-2 Deepgram aura-2TTS anglais à faible latence destiné aux agents vocaux. | $30 | $30 | $0.030 par 1 000 caractères | Anglais et quelques autres Faible latence | Pas dans BibiGPT | |
Eleven Flash v2.5 / v4 Turbo ElevenLabs eleven_flash_v2_5 · eleven_v4_turboEnviron 75–100 ms avant le premier audio. À choisir dans le menu de modèles ElevenLabs pour la narration. | Pas d'exemple officiel | $40 | $40 | $0.04 par 1 000 caractères | 32 langues (v4 Turbo: 90+) Clonage de voixFaible latence | Dans BibiGPT |
Eleven v4 / v3 ElevenLabs eleven_v4 · eleven_v3Le palier le plus expressif ; la qualité en chinois dépend de la voix. | $80 | $80 | $0.08 par 1 000 caractères | 70+ langues Clonage de voixBalises expressivesMulti-locuteurs | Dans BibiGPT | |
MiniMax Speech 2.8 HD MiniMax speech-2.8-hdLa diction chinoise la plus naturelle ; le palier Turbo coûte $60 le million de caractères. | $100 | $100 | $100 par million de caractères (international); site chinois ¥3.5 par 10 000 caractères, un caractère chinois compte pour 2 | 40 langues, surtout fort en chinois Clonage de voixConception de voixBalises expressives | Dans BibiGPT | |
Seed Audio 1.0 ByteDance Seed (hébergé sur fal) bytedance/seed-audio-1.0Facturé à la minute d'audio. Décrivez la voix en une phrase ; pas besoin de clip de référence. | $208Est. | $208 | $0.1875 par minute d'audio (fal); Volcengine Chine ¥1/min | Chinois, anglais Conception de voix | Dans BibiGPT | |
MiMo V2 TTS Xiaomi mimo-v2-ttsChinois parlé naturel. | À confirmer | — | Non publié (la page de prix officielle n'indique que v2.5 TTS, gratuit pour une durée limitée) | Chinois, anglais Balises expressives | Dans BibiGPT |
- TTS facturé au token chez Gemini / Qwen : 25 tokens audio par seconde, soit environ 15 caractères par seconde de parole.
- Le texte chinois est généralement facturé au caractère ; certains fournisseurs comptent un caractère chinois pour 2. C'est votre facture qui fait foi.
- CNY ↔ USD à 7.1.
FAQ
Quel modèle de transcription est le moins cher ?
Sur nos échantillons, la transcription de fichiers avec Qwen-Audio-3.1 est revenue à environ ¥0.075–0.10 l'heure, en dessous de StepAudio 2.5 (¥0.15/h) et de Paraformer v2 (¥0.288/h). Les modèles sur l'appareil de l'application de bureau Bibi Local ne coûtent rien.
Quelle différence entre STT, live et TTS ?
Le STT transforme un enregistrement terminé en texte et se facture à l'heure d'audio. Les modèles live font la même chose pendant que vous parlez, ou vous répondent à la voix, et coûtent plus cher. Le TTS fait l'inverse : du texte en entrée, de la parole en sortie, généralement facturé au caractère.
Pourquoi certains prix sont-ils marqués « Est. » ?
Ces modèles facturent au token, pas à la minute. Nous convertissons avec les densités de tokens indiquées sous le tableau ; votre facture réelle varie selon le débit de parole et la langue.
Puis-je utiliser ces modèles dans BibiGPT ?
Les modèles marqués « Dans BibiGPT » sont couverts par l'abonnement. Ceux marqués « Votre clé » sont sélectionnables dès que vous collez votre propre clé d'API. Les modèles « Sur l'appareil » tournent gratuitement dans l'application de bureau Bibi Local. Les lignes « Pas dans BibiGPT » sont données à titre de référence.
Écoutez ces voix sur vos propres contenus
Transformez un résumé en vidéo d'images narrée dans BibiGPT et choisissez-y le moteur de voix.