Googlen Cloud Text-to-Speech API muuntaa tekstin puheeksi HTTP-pyynnöllä. Äänitasojen hinnat vaihtelevat välillä $4/milj. merkkiä (Standard ja WaveNet) – $16 (Neural2) ja $30 (Chirp 3 HD). Palvelussa on yli 380 ääntä yli 75 kielellä sekä suoratoiston tuki. Jos haluat paremman äänenlaadun edullisemmin ilman omaa infrastruktuuria, SpeechifyAI on Top 5:ssa riippumattomalla Artificial Analysis TTS -leaderboardilla (23.9.2026) hintaluokassa $6–10/milj. merkkiä.
Rakennatko tätä itse? Speechifyn tekstistä puheeksi- ja äänenkloonaus-API löytyy osoitteesta speechify.ai. Dokumentaatio ja ilmainen avain ovat saatavilla osoitteessa docs.speechify.ai.
Miten Google Text-to-Speech API toimii
Google Cloud Text-to-Speech on synteesi-API: lähetät tekstin (tai SSML:n), valitset äänen ja audiomääritykset, ja API palauttaa ääninäytteen tai tiedoston. Se on osa Google Cloudia, joten se integroituu helposti GCP-projekteihin ja käyttää samoja IAM-, laskutus- ja client library -käytäntöjä kuin muukin alusta. Kehittäjät hyödyntävät sitä IVR:ssä, saavutettavuusratkaisuissa, mediakerronnassa ja Google Cloudissa toimivissa tuotteissa.
Google TTS -äänitasot ja hinnat vuonna 2026
Google hinnoittelee äänet tyypeittäin per miljoona merkkiä. Luonnollisemmat äänet maksavat enemmän:
Laskutus toimii pay-as-you-go-mallilla ilmaisen tason jälkeen. Ilmainen käyttö riittää prototypointiin, mutta se nollautuu kuukausittain – mitoita käyttö tuotantotarpeen, ei kokeilujen, mukaan.
Näin teet Google TTS API -kutsun
- Luo Google Cloud -projekti ja ota Text-to-Speech API käyttöön.
- Todennus hoituu palvelutilin avaimella tai Application Default Credentialsilla.
- Kutsu
- texttospeech.googleapis.com/v1/text:synthesize
- REST- tai gRPC-rajapinnan kautta tai käytä virallisia Python-, Node-, Java- tai Go-kirjastoja.
- Lähetä
- input
- (teksti tai SSML),
- voice
- (kielikoodi ja nimi) sekä
- audioConfig
- (koodaus, puhenopeus, sävelkorkeus). Vastauksena saat base64-koodatun äänitiedoston.
Määrittely on hyvin tyypillistä GCP:tä: kaikki toimii sujuvasti, jos käytät jo Google Cloudia, mutta muuten hallinnollista työtä tulee lisää.
Milloin vaihtoehtoa kannattaa harkita
Google TTS on vakaa ja laajasti tuettu ratkaisu – erityisesti GCP-ympäristössä. Tiimit alkavat kuitenkin usein katsoa vaihtoehtoja kahdesta syystä:
- Äänenlaatu suhteessa hintaan.
- Googlen luonnollisimmat tasot (Chirp 3 HD $30, Studio $160) nostavat kustannuksia nopeasti, ja riippumattomissa vertailuissa muut mallit sijoittuvat korkeammalle.
- Artificial Analysis TTS -listalla
- SpeechifyAI:n Simba 3.2 oli sijalla 1 heinäkuussa 2026, ja 23.9.2026 se sijoittui näitä kahta tasoa korkeammalle hintaan $6–10/milj. merkkiä.
- Reaaliaikaiset ääniagentit.
- Keskustelevan
- ääniagentin
- rakentaminen vaatii myös Speech-to-Textin ja LLM:n. Jos yhdistät ne Google TTS:ään, maksat kolmesta palvelusta ja lisäät samalla viivettä.
SpeechifyAI vaihtoehtona Google TTS:lle
- Korkeampi laatu riippumattomissa vertailuissa.
- Simba 3.2
- oli sijalla 1 riippumattomalla Artificial Analysis TTS -listalla heinäkuussa 2026. 23.9.2026 se oli top 5:ssa kaikkien ElevenLabsin ja OpenAI:n mallien edellä, ja kaikki sen yläpuolella olevat mallit maksoivat enemmän.
- Edullisempi laatu.
- $6/milj. merkkiä – edullisempi kuin Googlen Neural2 ($16) ja Chirp 3 HD ($30), vaikka ääni sijoittuu niiden yläpuolelle.
- Nopea ensimmäinen äänivaste.
- Alhaisin mediaaniaika US English Voice Arena -vertailun 14 mallista (123 ms, 24.9.2026): aito suoratoisto, yli 900 ääntä ja 6 itsepalvelukieltä (48 pyynnöstä).
- Ääniagentit omassa ympäristössäsi.
- Jos tarvitset STT:n, LLM:n ja TTS:n, voit rakentaa kokonaisuuden
- LiveKitin
- ,
- Pipecatin
- tai
- Vapin
- päälle käyttäen SpeechifyAI:ta puhekerroksena.
SpeechifyAI on Speechifyn kehittäjäalusta, joka on eri tuote kuin kuluttajille suunnattu Speechify-sovellus.
Aloita
Vertaa sitä Googleen muutamalla rivillä koodia: nouda ilmainen SpeechifyAI API-avaimesi osoitteesta speechify.ai (500 000 merkkiä/kk) ja tee ensimmäinen pyyntö quickstartin avulla.
