Melhor modelo de IA para gerar voz a partir de texto
Narração, locução, dublagem e leitura de texto em voz alta. Não há placar aberto de qualidade de voz nas fontes consultadas, então a lista é ordenada por preço, não por qualidade, com uma alternativa com pesos abertos.
Modelos indicados
Atenção: a ordem desta lista é por preço, não por qualidade. Não há placar aberto de qualidade para gerar voz a partir de texto nas fontes consultadas, então entra um modelo principal por empresa, do menor para o maior preço por mil caracteres na página oficial de cada uma.
1 Azure Neural TTS Microsoft
Por que serve: Modelo principal da Microsoft para gerar voz a partir de texto. Segundo a página oficial: Idiomas: mais de 140 idiomas e variantes, com mais de 400 vozes · Clonagem de voz: sim, com acesso limitado · Latência: não informado (página oficial)
Ordem pelo preço, não pela qualidade.
- Preço: US$ 15 por 1M caracteres (equivale a US$ 0,015 por mil caracteres) (fonte: Microsoft, página oficial; vozes neurais padrão; preço da lista oficial do Azure)?o que é
- Custo estimado (veja o bloco Como calculamos): cerca de US$ 0,15 (estimativa)
- Pesos: Não informados?
- Alternativa: com pesos abertos: Qwen3-TTS · mais barato: Google Cloud TTS WaveNet, US$ 0,004 por mil caracteres
2 Grok Text to Speech xAI
Por que serve: Modelo principal da xAI para gerar voz a partir de texto. Segundo a página oficial: Idiomas: 20, com português do Brasil · Clonagem de voz: sim, a partir de um trecho curto · Latência: streaming com ajuste de latência (página oficial)
Ordem pelo preço, não pela qualidade.
- Preço: US$ 15 por 1M caracteres (equivale a US$ 0,015 por mil caracteres) (fonte: xAI, página oficial)?
- Custo estimado (veja o bloco Como calculamos): cerca de US$ 0,15 (estimativa)
- Pesos: Não informados?
- Alternativa: com pesos abertos: Qwen3-TTS · mais barato: Google Cloud TTS WaveNet, US$ 0,004 por mil caracteres
3 Google Cloud TTS Chirp 3: HD Google
Por que serve: Modelo principal da Google para gerar voz a partir de texto. Segundo a página oficial: Idiomas: mais de 50 variantes, com português do Brasil · Clonagem de voz: sim, com o recurso Instant Custom Voice · Latência: baixa, com streaming de texto (página oficial)
Ordem pelo preço, não pela qualidade.
- Preço: US$ 30 por 1M caracteres (equivale a US$ 0,03 por mil caracteres) (fonte: Google Cloud, página oficial)?
- Custo estimado (veja o bloco Como calculamos): cerca de US$ 0,30 (estimativa)
- Pesos: Não informados?
- Alternativa: com pesos abertos: Qwen3-TTS · mais barato: Google Cloud TTS WaveNet, US$ 0,004 por mil caracteres
4 OpenAI TTS HD (tts-1-hd) OpenAI
Por que serve: Modelo principal da OpenAI para gerar voz a partir de texto. Segundo a página oficial: Idiomas: os mesmos do Whisper, com português; vozes otimizadas para inglês · Clonagem de voz: não informado · Latência: o tts-1 responde mais rápido; o HD prioriza qualidade · Além disso: a OpenAI anuncia que este modelo será descontinuado (página oficial)
Ordem pelo preço, não pela qualidade.
- Preço: US$ 30 por 1M caracteres (equivale a US$ 0,03 por mil caracteres) (fonte: OpenAI, página oficial)?
- Custo estimado (veja o bloco Como calculamos): cerca de US$ 0,30 (estimativa)
- Pesos: Não informados?
- Alternativa: com pesos abertos: Qwen3-TTS · mais barato: Google Cloud TTS WaveNet, US$ 0,004 por mil caracteres
5 ElevenLabs v4 ElevenLabs
Por que serve: Modelo principal da ElevenLabs para gerar voz a partir de texto. Segundo a página oficial: Idiomas: mais de 90 · Clonagem de voz: sim, de alta fidelidade · Latência: não informado · Além disso: até 10 mil caracteres por pedido (página oficial)
Ordem pelo preço, não pela qualidade.
- Preço: US$ 0,08 por mil caracteres (fonte: ElevenLabs, página oficial)?
- Custo estimado (veja o bloco Como calculamos): cerca de US$ 0,80 (estimativa)
- Pesos: Não informados?
- Alternativa: com pesos abertos: Qwen3-TTS · mais barato: Google Cloud TTS WaveNet, US$ 0,004 por mil caracteres
Como calculamos
Ajuste os números que o custo de cada modelo da página é recalculado na hora. Sem JavaScript, valem os valores padrão abaixo.
Quantidade = caracteres do texto a narrar ÷ 1.000, em mil caracteres. Custo = quantidade × preço por mil caracteres.
Com esses números: 10 mil caracteres (estimativa).
Custo de cada modelo = quantidade × preço por mil caracteres publicado pela empresa. Quando a empresa usa outra unidade, a conversão aparece ao lado do preço. É uma conta de referência e não muda a ordem da lista.
Outros modelos pagos avaliados
Outras versões e empresas, com o preço da página oficial de cada uma. Ficam fora da lista acima quando já há um modelo da mesma empresa entre os cinco primeiros, quando não entram no critério desta página ou quando a empresa não publica preço por mil caracteres.
| Modelo | Preço e fonte | Custo estimado |
|---|---|---|
| Google Cloud TTS WaveNet Google | US$ 4 por 1M caracteres (equivale a US$ 0,004 por mil caracteres) (fonte: Google Cloud, página oficial) | cerca de US$ 0,04 (estimativa) |
| OpenAI TTS (tts-1) OpenAI | US$ 15 por 1M caracteres (equivale a US$ 0,015 por mil caracteres) (fonte: OpenAI, página oficial) | cerca de US$ 0,15 (estimativa) |
| ElevenLabs Flash / Turbo ElevenLabs | US$ 0,04 por mil caracteres (fonte: ElevenLabs, página oficial) | cerca de US$ 0,40 (estimativa) |
| MiniMax Speech 2.8 Turbo MiniMax | US$ 60 por 1M caracteres (equivale a US$ 0,06 por mil caracteres) (fonte: MiniMax, página oficial) | cerca de US$ 0,60 (estimativa) |
| MiniMax Speech 2.8 HD MiniMax | US$ 100 por 1M caracteres (equivale a US$ 0,10 por mil caracteres) (fonte: MiniMax, página oficial) | cerca de US$ 1,00 (estimativa) |
| gpt-4o-mini-tts OpenAI | preço não publicado (fonte: OpenAI, página oficial; cobrado por tokens: US$ 0,60 por 1M de texto de entrada e US$ 12 por 1M de áudio de saída; sem preço por caractere) | sem estimativa: a empresa não publica preço por mil caracteres |
Perguntas frequentes
Qual o melhor modelo de IA para gerar voz a partir de texto?
Pela regra desta página, a lista começa com Azure Neural TTS, Grok Text to Speech, Google Cloud TTS Chirp 3: HD, OpenAI TTS HD (tts-1-hd), ElevenLabs v4. Atenção: a ordem desta lista é por preço, não por qualidade. Não há placar aberto de qualidade para gerar voz a partir de texto nas fontes consultadas, então entra um modelo principal por empresa, do menor para o maior preço por mil caracteres na página oficial de cada uma.
Quanto custa gerar voz a partir de texto com IA?
Com os valores padrão do bloco Como calculamos, a estimativa vai de US$ 0,15 a US$ 0,80 entre os modelos da lista que têm preço publicado. É só uma estimativa e você pode ajustar os números na página.
Tem opção com pesos abertos para gerar voz a partir de texto?
Sim: Qwen3-TTS.
Esta página usa IA para recomendar?
Não. A recomendação vem de regras fixas sobre dados públicos de Epoch AI, OpenRouter, Hugging Face e das páginas oficiais de preço de cada empresa, na versão mais recente consultada. O texto digitado só é comparado com palavras-chave.
Termos usados nesta página
Casos de uso com página própria
Páginas oficiais de preço consultadas
- Microsoft, versão mais recente consultada.
- Google Cloud, versão mais recente consultada.
- OpenAI, versão mais recente consultada.
- ElevenLabs, versão mais recente consultada.
- MiniMax, versão mais recente consultada.
- xAI, versão mais recente consultada.
Fontes
- Hugging Face Hub, metadados públicos do Hub; licença de cada modelo no repositório, versão mais recente consultada.
Datas vêm das fontes: entrada no OpenRouter ou criação do repositório no Hugging Face, que podem não coincidir com o lançamento oficial. Família e versão foram agrupadas por regra a partir do nome.