Traducido del inglés por Plainly. Si algo no coincide, la que cuenta es la página en inglés.

Plainly Guide › Voz y habla › Google Cloud Text-to-Speech

HerramientaVoz y hablaCerradoOpción gratuita

Google Cloud Text-to-Speech

El servicio para desarrolladores de Google que convierte texto escrito en audio hablado con muchas voces e idiomas, y se paga por carácter. Está pensado para desarrolladores que crean aplicaciones; una cantidad gratuita al mes cubre un uso ligero. Clonar voces solo está disponible para clientes aprobados.

Ir al sitio web de Google Cloud Text-to-Speech

¿Se puede probar gratis?Sí

¿Puedo vender lo que creo?Sí

Abierto o cerradoCerrado

Nivel necesarioTécnico

Los datos, con fuentes

Abierto o cerrado: Cerrado
Solo se puede usar a través de la app o la API del fabricante
fuente · comprobado el 12 oct 2026 · comprobado en la página del propio fabricante
Licencia: Google Cloud Platform Terms of Service (Las condiciones propias del fabricante)
fuente · comprobado el 12 oct 2026 · comprobado en la página del propio fabricante
¿Puedo vender lo que creo?: Sí
Condiciones s.5.1: el cliente conserva todos los derechos de propiedad intelectual sobre sus datos (Customer Data); s.1.1 permite integrar el servicio en tus propias aplicaciones. Las condiciones asignan la propiedad; no hay una cláusula comercial explícita para el audio.
fuente · comprobado el 12 oct 2026 · comprobado, pero la página era poco clara o incompleta
Coste: Opción gratuita: Cada mes: 4 millones de caracteres con voces Standard o WaveNet; 1 millón con Neural2, Polyglot, Studio o Chirp 3 HD. No hay uso gratuito de voces personalizadas ni de Gemini TTS.
Planes a continuación.
Cómo se usa: API propia del fabricante
Se usa a través de la API y la consola de Google Cloud; varios modelos de voz, todos de Google.
fuente · comprobado el 12 oct 2026 · comprobado, pero la página era poco clara o incompleta
Nivel necesario: Técnico
fuente · comprobado el 12 oct 2026 · comprobado, pero la página era poco clara o incompleta
Creado por: Google
Las condiciones de la nube definen 'Google' mediante una página aparte de entidades regionales (no leída), así que no se da una sola empresa ni un solo país.
fuente · comprobado el 12 oct 2026 · comprobado, pero la página era poco clara o incompleta
Estado: Disponible
fuente · comprobado el 12 oct 2026 · comprobado en la página del propio fabricante

Qué puedes crear con ella

Una voz o audio hablado, leer mi texto en voz alta (uso principal)
Una voz o audio hablado, una copia de mi propia voz

de texto a audiode audio a audio

Clonación mediante Instant Custom Voice, limitada a clientes autorizados.

fuente · comprobado el 12 oct 2026 · comprobado, pero la página era poco clara o incompleta

Planes y precios

Plan	Precio	Incluye
Standard voices	4 $ por 1.000.000 caracteres de texto
WaveNet voices	4 $ por 1.000.000 caracteres de texto
Neural2 voices	16 $ por 1.000.000 caracteres de texto
Polyglot voices (preview)	16 $ por 1.000.000 caracteres de texto
Chirp 3: HD voices	30 $ por 1.000.000 caracteres de texto
Instant custom voice	60 $ por 1.000.000 caracteres de texto
Studio voices	160 $ por 1.000.000 caracteres de texto
Gemini 2.5 Flash TTS: text input	0,50 $ por 1.000.000 tokens
Gemini 2.5 Flash TTS: audio output	10 $ por 1.000.000 tokens	25 tokens de audio = 1 segundo de audio
Gemini 2.5 Pro TTS: text input	1 $ por 1.000.000 tokens
Gemini 2.5 Pro TTS: audio output	20 $ por 1.000.000 tokens	25 tokens de audio = 1 segundo de audio
Gemini 3.1 Flash TTS (preview): text input	1 $ por 1.000.000 tokens
Gemini 3.1 Flash TTS (preview): audio output	20 $ por 1.000.000 tokens	25 tokens de audio = 1 segundo de audio

Algunos planes no aparecen aquí; consulta la fuente para ver la lista completa.

Precios por cada 1 millón de caracteres o tokens. La versión preliminar de Gemini 3.8 Flash TTS ($0.50 de entrada / $9 de salida, que sube a $1 / $18 a partir del 1 Jan 2027) y Flash-Lite no aparecen como planes. Los espacios y la mayoría de las etiquetas SSML cuentan como caracteres.

fuente · comprobado el 12 oct 2026 · comprobado en la página del propio fabricante

Derechos y seguridad

¿Entrena con tu trabajo?: No entrena con tu trabajo
Condiciones s.5.2: Google trata los datos del cliente solo según el Cloud Data Processing Addendum y para ningún otro fin. El entrenamiento de IA no se menciona de forma explícita.
fuente · comprobado el 12 oct 2026 · comprobado, pero la página era poco clara o incompleta
Caras reales y voces reales: Copia una voz real (Instant Custom Voice), comprueba el consentimiento de la persona
Necesita un clip de referencia de 10 segundos y una grabación de 10 segundos de una declaración de consentimiento fija; solo tienen acceso los clientes autorizados, a través del equipo de ventas. No se indica si se comprueba que el clip de consentimiento coincide con la voz.
fuente · comprobado el 12 oct 2026 · comprobado, pero la página era poco clara o incompleta

Relacionado

Modelos que usa (aún no están en Plainly)

Chirp 3 HD, WaveNet, Neural2, Gemini 2.5 Flash TTS, Gemini 2.5 Pro TTS, Gemini 3.1 Flash TTS, Gemini 3.8 Flash TTS

Otras opciones para «Una voz o audio hablado, leer mi texto en voz alta»

Adobe Firefly, Akool, Amazon Polly, Arcads, Async (formerly Podcastle), Azure AI Speech, Bark, CAMB.AI, Cartesia, Chatterbox, Clipchamp, Deepgram, DeeVid AI, Descript, Dia, Dubverse, Eleven v3, Eleven v4, ElevenLabs, F5-TTS, fal, Filmora, Fish Audio, Fish Audio Drama 3

Sobre esta ficha. Última comprobación de los datos: 12 oct 2026, con las páginas del propio fabricante (cada dato enlaza a su fuente). Estado de la ficha: borrador. Resumen en lenguaje sencillo escrito por Plainly.

¿Has visto un error? Avísanos, con un enlace a la fuente. Cómo funcionan las correcciones