Сравнение цен на модели синтеза речи
Каждый голос, которым BibiGPT умеет озвучивать, с ценой за миллион символов и официальным образцом для прослушивания. Модели с оплатой по токенам пересчитаны из расчёта около 15 символов в секунду речи.
Цены проверены 2026-10-26. Это прайсы поставщиков, а не тарифы BibiGPT.
| Модель | Слушать | за 1 млн симв. | 1 млн симв. | Прайс | Сильные стороны | В BibiGPT |
|---|---|---|---|---|---|---|
Kokoro-82M (в браузере) Open source · на устройстве kokoro-jsБесплатно; текст остаётся в браузере. Неподдерживаемые языки переключаются на системную озвучку. | $0 | $0 | Бесплатно (работает в браузере, разовая загрузка ~86 МБ) | zh/en/ja Низкая задержка | На устройстве Озвучка текста в браузере | |
Qwen-Audio-3.1 TTS FlashДешевле всех Alibaba Qwen qwen-audio-3.1-tts-flash3.1 перешла на оплату по токенам; BibiGPT по-прежнему использует 3.0 Flash. | $2.87Оценка | $2.87 | ¥1.5 вход / ¥12 выход за 1 млн токенов (регион Пекин) | zh/en + диалектные голоса Дизайн голоса | Нет в BibiGPT | |
xAI TTS xAI (размещено на fal) xai/tts/v1Самый дешёвый из используемых нами вариантов с оплатой за символ. | $15 | $15 | $0.015 за 1000 символов | Многоязычный, китайский по запросу Низкая задержка | В BibiGPT | |
Qwen-Audio-3.0 TTS Flash Alibaba Qwen (OpenRouter) qwen/qwen-audio-3.0-tts-flashНедорогая стабильная озвучка на китайском. | $15 | $15 | $15 за 1 млн символов (OpenRouter); китайский сайт ¥1 за 10 000 символов, один китайский иероглиф считается за 2 | zh/en + диалектные голоса | В BibiGPT | |
Fish Audio S2.1 Pro Fish Audio fish-audio/s2.1-proОплата за байт: $15 за миллион английских символов, около $45 за миллион китайских. Надёжное клонирование голоса. | $15 | $15 | $15 за 1 млн байт UTF-8 (китайский иероглиф — около 3 байт) | 80+ языков Клонирование голосаТеги выразительности | В BibiGPT | |
HeyGen Voice HeyGen (OpenRouter) heygen/heygen-voice-1Читает по-китайски и по-английски; голос по умолчанию — Nadine. | $15 | $15 | $15 за 1 млн символов (OpenRouter; тариф turbo $4) | Многоязычный | В BibiGPT | |
Gemini 3.8 Flash TTS Google gemini-3.8-flash-ttsГолос озвучки по умолчанию. Несколько спикеров в одном вызове; тон задаётся обычными формулировками в промпте. | $15.1Оценка | $15.1 | $0.50 текстовый вход / $9 аудиовыход за 1 млн токенов (с 2027 вдвое: $1 / $18) | 80+ языков Несколько спикеровТеги выразительности | В BibiGPT | |
GPT-4o mini TTS OpenAI gpt-4o-mini-ttsТоном можно управлять инструкциями; в китайском слышен лёгкий акцент. | $16.2Оценка | $16.2 | $0.60 текстовый вход / $12 аудиовыход за 1 млн токенов (около $0.015/мин) | Многоязычный Теги выразительности | Нет в BibiGPT | |
DeepSeek POST /v1/tools/ttsВсего два голоса (Stella, Tide), без настройки скорости и эмоций. В нашем тесте около 1 с до первого звука и примерно 5× быстрее реального времени. Китайский считается вдвойне — около $45 за миллион китайских символов. | Официального образца нет | $22.5 | $22.5 | $0,45 за 10 000 символов (временно −50%: $0,225); китайский иероглиф считается за 2 | Путунхуа, кантонский, английский, японский, корейский и ещё 5 Низкая задержка | В BibiGPT |
Deepgram Aura-2 Deepgram aura-2Англоязычный TTS с низкой задержкой для голосовых агентов. | $30 | $30 | $0.030 за 1000 символов | Английский и ещё несколько Низкая задержка | Нет в BibiGPT | |
Eleven Flash v2.5 / v4 Turbo ElevenLabs eleven_flash_v2_5 · eleven_v4_turbo~75–100 мс до первого звука. Выбирайте в меню моделей ElevenLabs при озвучке. | Официального образца нет | $40 | $40 | $0.04 за 1000 символов | 32 языков (v4 Turbo: 90+) Клонирование голосаНизкая задержка | В BibiGPT |
Eleven v4 / v3 ElevenLabs eleven_v4 · eleven_v3Самый выразительный уровень; качество китайского зависит от голоса. | $80 | $80 | $0.08 за 1000 символов | 70+ языков Клонирование голосаТеги выразительностиНесколько спикеров | В BibiGPT | |
MiniMax Speech 2.8 HD MiniMax speech-2.8-hdСамая естественная подача китайского; тариф Turbo — $60 за миллион символов. | $100 | $100 | $100 за 1 млн символов (международный); китайский сайт ¥3.5 за 10 000 символов, один китайский иероглиф считается за 2 | 40 языков, лучше всего китайский Клонирование голосаДизайн голосаТеги выразительности | В BibiGPT | |
Seed Audio 1.0 ByteDance Seed (размещено на fal) bytedance/seed-audio-1.0Оплата за минуту аудио. Опишите голос одним предложением; референсный клип не нужен. | $208Оценка | $208 | $0.1875 за минуту аудио (fal); Volcengine Китай ¥1/мин | Китайский, английский Дизайн голоса | В BibiGPT | |
MiMo V2 TTS Xiaomi mimo-v2-ttsЕстественная разговорная китайская речь. | Уточняется | — | Не опубликовано (на официальной странице цен только v2.5 TTS, бесплатно на ограниченное время) | Китайский, английский Теги выразительности | В BibiGPT |
- TTS Gemini / Qwen с оплатой по токенам: 25 аудиотокенов в секунду, около 15 символов на секунду речи.
- Китайский текст обычно тарифицируется за символ; некоторые поставщики считают один китайский иероглиф за 2. Ориентируйтесь на свой счёт.
- CNY ↔ USD по курсу 7.1.
Вопросы и ответы
Какая модель транскрипции самая дешёвая?
На наших образцах транскрипция файлов Qwen-Audio-3.1 обошлась примерно в ¥0.075–0.10 за час — дешевле StepAudio 2.5 (¥0.15/ч) и Paraformer v2 (¥0.288/ч). Модели на устройстве в настольном приложении Bibi Local бесплатны.
Чем отличаются STT, live и TTS?
STT превращает готовую запись в текст и тарифицируется за час аудио. Live-модели делают то же самое, пока вы говорите, или отвечают голосом, и стоят дороже. TTS работает наоборот: на входе текст, на выходе речь, обычно оплата за символ.
Почему некоторые цены помечены «Оценка»?
Эти модели тарифицируются по токенам, а не по минутам. Мы пересчитываем по плотности токенов, указанной под таблицей; реальный счёт зависит от темпа речи и языка.
Можно ли использовать эти модели в BibiGPT?
Модели с пометкой «В BibiGPT» входят в подписку. Модели «Ваш ключ» становятся доступны после вставки собственного API-ключа. Модели «На устройстве» работают бесплатно в настольном приложении Bibi Local. Строки «Нет в BibiGPT» приведены для справки.
Послушайте эти голоса на своём контенте
Превратите конспект в озвученное видео из изображений в BibiGPT и выберите там голосовой движок.