Skip to main content
  1. Kezdőlap
  2. API
  3. Minden, amit a Google Cloud Text-to-Speech API-ról tudni érdemes
Updated on •API

Minden, amit a Google Cloud Text-to-Speech API-ról tudni érdemes

Cliff Weitzman

A Speechify vezérigazgatója és alapítója

A Speechify API 300 ms reakcióidővel, emberszerű hangokkal és 50+ nyelven nyújt megoldást

Apple2025 Apple Design Díj
50M+ felhasználó

A Google Cloud Text-to-Speech API HTTP-kéréseken keresztül alakítja a szöveget beszéddé. A hangkategóriák ára egymillió karakterenként 4 USD-tól indul (Standard és WaveNet), majd 16 USD-ig (Neural2), illetve 30 USD-ig (Chirp 3 HD) terjed. Több mint 380 hang érhető el 75+ nyelven, streamelési lehetőséggel. Ha ezeknél önállóbb és jobb minőségű hangot szeretne alacsonyabb áron, a SpeechifyAI az Artificial Analysis TTS ranglistáján (2026. szept. 23.) a legjobb öt között szerepel, ára pedig 6–10 USD/millió karakter.

Saját fejlesztésen dolgozik? A Speechify text-to-speech és hangklónozó API-ja elérhető a speechify.ai oldalon, a dokumentációt és az ingyenes kulcsot pedig itt találja: docs.speechify.ai.

Mit tud a Google Text-to-Speech API?

A Google Cloud Text-to-Speech egy szövegfelolvasó API: szöveget (vagy SSML-t), hangot és hangbeállításokat küld be, majd hangfájlt vagy streamet kap vissza. A Google Cloud részeként jól illeszkedik a GCP-projektekhez, ugyanazt a jogosultságkezelést, számlázást és ügyfélkönyvtárakat használja, mint a platform többi szolgáltatása. A fejlesztők IVR-rendszerekhez, akadálymentesítési megoldásokhoz, médiatartalmak narrálásához, illetve minden olyan termékhez használják, amely már eleve Google Cloudra épül.

Google TTS hangkategóriák és 2026-os árak

A Google a hang típusa alapján, egymillió karakterenként áraz. A magasabb kategóriák természetesebb hangzást kínálnak, de többe is kerülnek:

Hangkategória

Ár 1M karakterre

Ingyenes keret (havonta)

Megjegyzés

Standard

$4

4M karakter

Alap, kissé gépies

WaveNet

$4

4M karakter

Neurális, általánosan jó minőség

Neural2

$16

1M karakter

Magasabb minőségű neurális hang

Chirp 3: HD

$30

1M karakter

A legújabb HD hangok

Studio

$160

1M karakter

Prémium, hosszabb narrációkhoz

Az ingyenes keret felett használatarányos számlázás lép életbe. A díjmentes keret prototípusokhoz bőkezű, de havonta újraindul, ezért éles használatnál érdemes a tényleges mennyiséggel tervezni.

Google TTS API-hívás lépésről lépésre

  1. Hozzon létre egy Google Cloud-projektet, és engedélyezze a Text-to-Speech API-t.
  2. Hitelesítsen szolgáltatásfiók-kulccsal vagy Application Default Credentials használatával.
  3. Hívja meg a
  4. texttospeech.googleapis.com/v1/text:synthesize
  5. végpontot REST-en vagy gRPC-n keresztül, vagy használja a hivatalos Python-, Node-, Java- vagy Go-ügyfélkönyvtárakat.
  6. Adja meg az
  7. input
  8. (szöveg vagy SSML),
  9. voice
  10. (nyelvkód, név) és
  11. audioConfig
  12. (kódolás, beszédsebesség, hangmagasság) paramétereket. Válaszként base64-kódolt hangot kap vissza.

A beállítás a GCP-ben megszokott folyamatot követi: kényelmes, ha már Google Cloudot használ, de több adminisztrációval jár, ha nem.

Mikor érdemes más megoldást keresni?

A Google TTS robusztus, széles körben támogatott megoldás, különösen GCP-környezetben. Mégis két fő okból választanak sokan alternatívát:

  • Hangminőség és ár-érték arány.
  • A legjobb hangzású kategóriák (Chirp 3 HD – $30, Studio – $160) drágák, miközben független teszteken más modellek jobb helyezést érnek el. Az
  • Artificial Analysis TTS ranglistán
  • a SpeechifyAI Simba 3.2 2026 júliusában első lett, és a 2026. szept. 23-i listán is a drágább Google szintek előtt végzett, pedig ára csak 6–10 USD/millió karakter.
  • Valós idejű hangügynökök.
  • Egy interaktív
  • hangügynökhöz
  • speech-to-textre és LLM-re is szükség van. Ha mindezt Google-szolgáltatásokból rakja össze, három külön szolgáltatás költségével és késleltetésével kell számolni.

SpeechifyAI mint a Google TTS alternatívája

  • Független teszteken is elismert, magasabb minőség.
  • Simba 3.2
  • 2026 júliusában első volt a független Artificial Analysis TTS ranglistán. A 2026. szept. 23-i listán is az élmezőnyben szerepel, megelőzve minden ElevenLabs- és OpenAI-modellt, miközben az előtte álló modellek drágábbak.
  • Alacsonyabb ár magas minőség mellett.
  • 1M karakter $6-ért, vagyis olcsóbb, mint a Google Neural2 ($16) vagy a Chirp 3 HD ($30), miközben minőségben felülmúlja őket.
  • Gyors első hangkimenet.
  • A Voice Arena US English ranglistáján ez adta a legalacsonyabb medián first-audio időt (123 ms, 2026. 09.24.), teljes streameléssel, 900+ hanggal és 6 önkiszolgáló nyelvvel (további 48 kérésre).
  • Hangügynökök a saját rendszerében.
  • Ha STT-t, LLM-et és TTS-t is szeretne, építse meg a
  • LiveKit
  • ,
  • Pipecat
  • vagy
  • Vapi
  • rendszerében, SpeechifyAI hanggal.

A SpeechifyAI a Speechify fejlesztői platformja, külön a végfelhasználóknak szánt Speechify alkalmazástól.

Vágjon bele még ma

Hasonlítsa össze a Google-lel néhány sor kóddal: regisztráljon ingyenes SpeechifyAI API-kulcsot a speechify.ai oldalon (500 000 karakter/hó), majd induljon el az útmutatóval.

A Speechify népszerű hangjai gyors, skálázható és fejlesztőbarát API-n keresztül érhetők el

API-hozzáférés igénylése
Sparse JavaScript keywords import, from, const, await on a white background

Oszd meg a cikket

Cliff Weitzman

A Speechify vezérigazgatója és alapítója

Cliff Weitzman a diszlexiások szószólója, valamint a Speechify vezérigazgatója és alapítója – ez a világ vezető szövegfelolvasó alkalmazása, több mint 100 000 ötcsillagos értékeléssel, és első helyezéssel az App Store Hírek & Magazinok kategóriájában. 2017-ben Weitzmant beválasztották a Forbes 30 év alattiak listájára azért a munkájáért, amellyel az internetet hozzáférhetőbbé tette a tanulási nehézségekkel élők számára. Cliff Weitzman szerepelt többek között az EdSurge, az Inc., a PC Mag, az Entrepreneur és a Mashable vezető kiadványokban.

Speechify

A Speechify-ról

#1 szövegfelolvasó

Speechify a világ vezető szövegfelolvasó platformja, amelyben több mint 50 millió felhasználó bízik, és több mint 500 000 ötcsillagos értékeléssel büszkélkedhet különböző szövegfelolvasó felületein: iOS, Android, Chrome-bővítmény, webapp és Mac asztali alkalmazásokban. 2025-ben az Apple elismerte a Speechify-t a rangos Apple Design Díjjal a WWDC-n, és úgy nyilatkozott róla: „elengedhetetlen erőforrás, amely segíti az embereket az életükben.” A Speechify több mint 1000 természetes hangzású hangot kínál 60+ nyelven, és közel 200 országban használják. Hírességek hangjai, mint Snoop Dogg, Mr. Beast és Gwyneth Paltrow is elérhetők. Alkotóknak és vállalkozásoknak a Speechify Studio fejlett eszközöket kínál, köztük az AI Hanggenerátort, AI Hang Klónozást, AI Szinkront, valamint az AI Hangmódosítót. A Speechify prémium, költséghatékony szövegfelolvasó API-jával vezető termékeket is meghajt. Szerepelt a The Wall Street Journalban, a CNBC-n, a Forbes-ban, a TechCrunch-ban és más nagy híroldalakon, a Speechify a világ legnagyobb szövegfelolvasó szolgáltatója. Látogass el a speechify.com/news, speechify.com/blog vagy speechify.com/press oldalra a bővebb információkért.