Elegir una API de voz es más difícil de lo que parece: cada proveedor mezcla servicios distintos y precios en unidades distintas, y las comparativas suelen escribirlas los propios proveedores. Esta también —somos uno de ellos, Uttera—, así que la escribimos con una regla: donde alguien es mejor o más barato que nosotros, se dice. Es la única forma de que te sirva.
Precios a 9-octubre-2026, convertidos a euros (≈ €0,92/$) para comparar como iguales. Cambian a menudo: verifica siempre en la web de cada proveedor antes de decidir.
Antes que el precio importa qué servicios ofrece cada API, porque casi nadie ofrece todos:
| Servicio | Uttera | ElevenLabs | OpenAI | Deepgram | AssemblyAI | Gladia | |
|---|---|---|---|---|---|---|---|
| Voz estándar (TTS) | ✅ | ✅ | ✅ | ✅ | — | ✅ | — |
| Clonado de voz | ✅ | ✅ | — | — | — | ✅¹ | — |
| Transcripción (STT) | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
| Diarización (quién habla) | ✅ | ✅ | — | ✅ | ✅ | ✅ | ✅ |
| Traducción | ✅ | ✅ | ✅ | — | — | ✅¹ | ✅ |
| Análisis de voz (emoción/perfil) | ✅ | — | — | — | ✅² | — | — |
| Resumen | ✅ | — | ✅¹ | ✅ | ✅ | ✅¹ | ✅ |
| Entidades (NER) | ✅ | ✅ | — | ✅ | ✅ | ✅¹ | ✅ |
| Redacción de PII | ✅ | — | — | ✅ | ✅ | ✅¹ | ✅ |
| Capítulos | ✅ | — | — | — | ✅ | — | ✅ |
| Efectos de sonido | ✅ | ✅ | — | — | — | — | — |
| Música | ✅ | ✅ | — | — | — | — | — |
| Informe PDF firmado | ✅ | — | — | — | — | — | — |
| Informe verificable (grafo de evidencia) | ✅ | — | — | — | — | — | — |
| Servidor MCP nativo | ✅ | ✅ | — | — | — | — | — |
| Dialecto OpenAI (drop-in) | ✅ | — | ✅ | — | — | — | — |
| Entrega asíncrona + webhooks | ✅ | ✅ | — | ✅ | ✅ | ✅ | ✅ |
| Integración con Asterisk⁴ | ✅ | — | — | — | — | — | — |
| Bot de Telegram | ✅ | — | — | — | — | — | — |
| App de Slack | ✅ | — | — | — | — | — | — |
| Residencia de datos UE | ✅ | — | — | — | — | ✅¹ | ✅ |
| Autoalojable | ✅ | — | — | ✅¹ | — | — | — |
| No entrena con tus datos (por defecto) | ✅ | — | ✅ | — | — | ✅ | — |
| Firma / marca en el audio | ✅ | — | — | — | — | ✅³ | — |
| 100 % energía solar⁵ | ✅ | — | — | — | — | — | — |
1 como producto o nivel aparte · 2 análisis de texto, no acústico · 3 SynthID · 4 FreePBX vía Asterisk (dialplan de primera parte) · 5 100 % de autoconsumo medido en el contador del distribuidor; compruébalo en vivo. Tabla a fecha; verifica en cada proveedor.
Lo que no tiene nadie más es la combinación de soberanía: no entrenar con tus datos y poder autoalojarlo y residencia europea, a la vez. OpenAI y Google tampoco entrenan por defecto, pero no los alojas tú; Deepgram sí puede alojarse, pero entrena por defecto salvo que hagas opt-out. La tranquilidad de verdad no es una política que haya que creerse: es que el audio ni salga de tu máquina. Y hay algo más que no ofrece nadie: un informe PDF firmado y verificable de la transcripción, con un resumen generado por IA al principio para captar en segundos de qué fue la grabación, el análisis explicado, y la transcripción completa debajo para el detalle exacto —y que un tercero puede comprobar por su cuenta—. Y lo más nuevo: ese informe puede llevar un grafo de evidencia —cada afirmación anclada a su cita, su hablante y su minuto en el audio, con un sello de si la cita está literal en la grabación—, así que se comprueba frase a frase y no a ciegas. Es análisis de veracidad por anclaje: no decimos si lo dicho es verdad —eso lo juzga quien escucha—, pero sí de dónde sale cada frase. Eso no lo da nadie más.
Donde no somos únicos, y lo decimos: la entrega asíncrona con webhooks para grabaciones largas la tienen también los especialistas de STT por lotes (AssemblyAI, Deepgram, Gladia, ElevenLabs, Google). La hemos añadido para estar a su nivel en trabajos largos —con el resultado cifrado y el webhook firmado con tu propia clave— sin dejar de traer voz, oído, inteligencia, sonido, música e informe firmado en la misma cuenta. El único de la tabla sin este modo diferido es OpenAI, cuya API de audio es síncrona.
La lectura rápida: AssemblyAI y Gladia son STT puro (no hacen voz), ElevenLabs es voz y clonado (su STT es secundario), OpenAI y Google hacen de todo pero en productos sueltos, y Uttera reúne voz, oído, inteligencia, sonido, música e informe firmado bajo una sola cuenta, con el conector MCP y la soberanía como diferencia.
| Proveedor | €/hora |
|---|---|
| Uttera (Pro) | 0,14 |
| AssemblyAI (Universal-2) | 0,14 |
| ElevenLabs (Scribe v2) | 0,20 |
| Deepgram (Nova-3, lote) | 0,24 |
| OpenAI (gpt-4o-transcribe) | 0,33 |
| Gladia (Starter) | 0,56 |
| Google (Chirp) | 0,88 |
Ya somos de los más baratos del mercado en transcripción, a la par con el modelo más económico de AssemblyAI (su Universal-2; su modelo recomendado, Universal-3.5, va más caro, ~0,19 €/h). Y la diferencia de verdad aparece en cuanto necesitas algo más que texto: nuestra transcripción trae inteligencia acústica —emoción, perfil, diarización— incluida en la misma bolsa, mientras que en AssemblyAI la diarización, las entidades o el resumen se cobran aparte, de modo que en un uso de producción real su coste sube bastante por encima del precio base. A igualdad de precio desnudo, nosotros incluimos lo que ellos facturan como extras.
| Proveedor | €/1M car. |
|---|---|
| Uttera estándar (Pro) | 3,2 |
| Google Standard | 3,7 |
| OpenAI tts-1 | 13,8 |
| Deepgram Aura-2 | 27,6 |
| Google Chirp3-HD | 27,6 |
| ElevenLabs | 46 – 92 |
Nuestra voz estándar es la más barata del mercado a partir del plan Professional, por debajo incluso de las voces básicas de los hiperescalares. Si lo tuyo es volumen de voz preset, no hay nada más económico.
El clonado es otra liga —compite con ElevenLabs, no con las voces preset— así que va en su propia tabla:
| Proveedor | €/1M car. |
|---|---|
| Uttera clonado (Pro) | 45 |
| ElevenLabs | 46 – 92 |
| OpenAI · Deepgram · AssemblyAI · Gladia | no ofrecen clonado por API |
| Google (Custom Voice) | a medida, nivel empresa |
Aquí no somos los baratos: somos la calidad por debajo de ElevenLabs, con voz clonada de alta fidelidad y, encima, con residencia europea y sin entrenar con tus datos —cosas que el líder no te da—.
Nuestro argumento no es «los más baratos en todo» —no lo somos en clonado—, sino una sola API que oye, habla, traduce y analiza, con el dialecto de OpenAI para migrar sin tocar código, residencia europea, sin entrenar con tus datos, y un servidor MCP para que tu agente la use sola. Si quieres verlo, aquí está lo que hace y los planes.
Los precios de terceros son públicos y a fecha; los nuestros son los que la API cobra de
verdad, publicados en /v1/plans. Cualquier dato envejece: comprueba en origen.
¿Algo que añadir o que corregir? Escríbenos a support@uttera.ai. Si nos corriges, editamos la entrada y te damos crédito.
Uttera