Resposta rápida: o custo depende do tamanho do roteiro, do modelo e de como ele cobra. Grok e ElevenLabs usam caracteres de texto nas tarifas aqui comparadas. Gemini e OpenAI cobram a saída de áudio em tokens — pequenas unidades de uso —, então precisamos estimar quanto tempo a fala terá.
Um vídeo falado de 5 minutos pode ter aproximadamente 3.800 a 4.500 caracteres. Para fazer uma conta simples, começamos com 4.000 caracteres e presumimos 800 caracteres por minuto. O ritmo, as pausas, o idioma e até a leitura de números mudam a duração real.
Usando um dólar ilustrativo de R$ 5,00 e preços de API consultados em 16/10/2026, esses 4.000 caracteres dão aproximadamente R$ 0,30 no Grok, R$ 0,34 de saída no Gemini Flash TTS, R$ 1,60 na ElevenLabs v4 e R$ 0,60 de saída no OpenAI Realtime Mini. Os dois números de saída não são a fatura completa.
Ir direto à calculadora de voz ↓Simulação interativa
Quanto custaria o seu roteiro?
Arraste o controle ou ajuste o câmbio para ver os valores mudarem.
Tarifas de API consultadas em 16 de outubro de 2026. Valores em reais são estimativas.
caracteres
4.000 caracteres ≈ 5 minutos de voz, na hipótese de 800 caracteres por minuto.
Compare as APIs de voz
Valores estimados para o roteiro acima. Abra os detalhes para ver o que cada preço inclui.
Grok · xAI
Preço por caractereComo é cobrado e limites
US$ 15 por 1 milhão de caracteres. É geração de voz por API, não a conversa por voz no aplicativo Grok.
Gemini · Google
Somente saída de áudio
Como é cobrado e limites
Estimativa com 25 tokens/s. Entrada de texto é cobrada à parte. Tarifas mostradas válidas até 31/12/2026, segundo o Google.
ElevenLabs
Como é cobrado e limites
Tarifa pay-as-you-go da API por 1.000 caracteres. Plano, franquia, extras e impostos podem alterar o custo efetivo.
OpenAI · voz
GPT-Realtime-2.1 MiniSomente saída de áudio
Como é cobrado e limites
1 token a cada 50 ms, US$ 20/1 milhão. Não é o total de uma conversa nem o preço do modelo clássico gpt-4o-mini-tts.
Publicidade · produto do Alex Bassani
TurboVoicer PRO no TurboStudio
R$ 0,00 por geração local de API
R$ 0,00 é a cobrança de API por geração local, não o preço do software, do computador ou da energia. A rota sem GPU não faz clonagem; confira recursos e compatibilidade antes de comprar e use apenas vozes autorizadas.
Conhecer o TurboStudio- Grok: caracteres × US$ 15 ÷ 1.000.000.
- Gemini: (caracteres ÷ 800 × 60 segundos) × 25 tokens/s × tarifa do modelo ÷ 1.000.000, somente saída.
- ElevenLabs: caracteres ÷ 1.000 × tarifa do modelo.
- OpenAI: (caracteres ÷ 800 × 60 segundos) × 20 tokens/s × US$ 20 ÷ 1.000.000, somente saída.
- Reais: dólares × câmbio informado no controle. O valor final pode ter outras cobranças e arredondamentos.
É como comparar quatro táxis: dois cobram pela distância; outros, pelo tempo de viagem. O mesmo trajeto ajuda a começar a comparação, mas não transforma os taxímetros em uma medida idêntica. Aqui, a pergunta é o tamanho do roteiro e quanto áudio sairá dele.
Se você já tem o texto, conte os caracteres, incluindo espaços e pontuação, e ajuste o controle. Se ainda está planejando, use o exemplo de 5 minutos apenas como ponto de partida.
Qual é a opção mais barata?
Na simulação padrão e com as tarifas escolhidas, Grok apresenta o menor número: US$ 0,0600 para 4.000 caracteres. Mas seria errado concluir que sua fatura final ou sua voz será sempre melhor. Gemini e OpenAI mostram apenas a saída de áudio; podem cobrar também entrada e contexto. ElevenLabs oferece outras modalidades, limites de plano e recursos que não estão reduzidos a esse preço por caractere.
Há ainda a escolha de modelo: a opção Flash-Lite do Gemini e a v4 Turbo da ElevenLabs alteram a estimativa no seletor. A tarifa promocional indicada pelo Google muda em 2027; volte à fonte oficial antes de tomar uma decisão financeira.
Como comparar a qualidade sem adivinhar?
Número de reais não mede naturalidade. Faça um teste curto com o mesmo parágrafo em português brasileiro nos serviços que você considera usar. Escolha um texto que tenha nome próprio, número, pergunta, pausa e palavra do seu nicho. Ouça com fones e no celular.
- Confira se a pronúncia do nome e dos números está correta.
- Observe se a pausa combina com a intenção da frase, sem cortes estranhos.
- Meça quanto tempo você gastou para corrigir e gerar de novo.
- Leia os direitos de uso comercial e de clonagem de voz do plano escolhido.
Uma voz que custa pouco por geração, mas exige várias tentativas e edição manual, pode sair cara no seu tempo. Para vídeos longos, dividir a narração em trechos facilita corrigir apenas uma frase, sem refazer tudo.
API de voz é diferente do botão de conversar
A API é a ligação que um aplicativo usa para pedir uma narração a um serviço. Os preços desta matéria são de API, não da assinatura comum do ChatGPT, Gemini, Grok ou ElevenLabs na interface de consumidor. No caso da OpenAI, usamos a saída de áudio do GPT-Realtime-2.1 Mini como referência atual, não um preço genérico de toda a linha TTS. Os modelos clássicos TTS têm descontinuação anunciada para 6 de janeiro de 2027.
Também não confundimos criar fala a partir de texto com fazer o caminho inverso. Se você quer enviar uma gravação ao ChatGPT para transcrever entrevistas ou aulas, esse é outro fluxo de trabalho, com ferramentas e limites próprios.
O que fazer antes de escolher?
Comece com um roteiro real seu. Ajuste os caracteres na calculadora, selecione os modelos que usaria e substitua o câmbio ilustrativo pelo câmbio da sua cobrança. Depois, faça um teste de voz com o mesmo trecho e compare o resultado e o trabalho de revisão. Para um canal dark ou curso, verifique também se a licença permite o uso e a distribuição desejados.
Resumo: a calculadora ajuda a estimar o custo de geração, não a decidir qualidade, direitos ou preço final sozinha. Se uma rota local atender ao seu equipamento e à voz desejada, compare o custo total do software e da operação com o de API ao longo de vários vídeos, não só de uma narração.
Fontes e atualização
Preços e unidades conferidos em páginas oficiais em 16 de outubro de 2026. Tarifas, impostos, limites e disponibilidade podem mudar.