按流计费的不限量
一条流指「同一时间一个声音在说话」，可全天候保持打开。$150/月（年付）或 $180/月（月付）期间，token、分钟、声音数量、请求次数都不再计数， 12 条流可覆盖约 4,320 小时语音。
官方说明 ↗
价格免费 50,000 token；$10/百万 token；不限量流 $150-180/月
平台API / Web
归类配音与音频
收录2026-01-01
复核2026-01-01
编辑评分
4.1 / 5
★★★★☆
Gandr编辑总结
Gandr 是一套文本转语音与声音克隆服务，核心卖点是按「并发流」而非字符数计费：一条流每月 150 美元（年付）或 180 美元（月付），期间产生的语音量不再计数。它提供 23 种语言、约 5-10 秒参考音频即可完成的即时克隆，以及 WebSocket、SSE、完整 WAV 三种输出方式，首字节延迟在公网环境为 146 毫秒。代价是入门门槛不低——免费额度只有 50,000 token，之后要么按 $10/百万 token 付费，要么直接买流；公开信息以 API 场景为主，缺少面向普通用户的成品编辑器说明。
Gandr是什么？
Gandr 是一套面向开发者和语音产品团队的文本转语音基础设施，提供不限量的语音合成与声音克隆能力。它的定位不是给终端用户点着玩的配音网站，而是接入现有系统的语音引擎——官方演示里直接列出 LiveKit、Pipecat、Vapi 三个实时通话框架，说明它主要服务于语音 Agent、电话机器人和实时对话场景。
底层是自研的 Spex-TTS 模型，通过三个流式接口对外服务：一次性返回完整 WAV 的字节接口、服务器推送事件的流式接口，以及为实时通话设计的 WebSocket 长连接。三种接口共用一套请求结构，克隆声音只需 5-10 秒参考音频，不需要训练任务，也不按声音数量另外收费，首次使用后会缓存。
不同角色的用法差异明显。开发者拿一个 API key 就能直接接入，用 OpenAI 兼容的 /v1/audio/speech 接口可以几乎零改动替换现有调用；实时语音产品用 WS 接口保持一路连接，输入文本、输出音频帧；有长音频需求的团队（有声书、视频旁白）则走 HTTP 流式接口。另有一个月度用量查询接口，方便在应用内做计量展示。
Gandr核心功能
十秒即时克隆
约 5-10 秒的参考音频即可生成可用的克隆声音，不需要提交训练任务，也不按单个声音额外收费，首次使用后会被缓存。可以内联提交参考片段，也可以引用一个固定 id。
官方说明 ↗三种流式接口
一次性合成走 POST /v1/tts/bytes 返回完整 WAV；HTTP 流式走 POST /v1/tts/sse 边渲染边推 base64 音频块；实时通话走 WS /ws，一路连接内文本进、音频帧出。三种接口共用一套请求结构。
官方说明 ↗OpenAI 兼容接口
POST /v1/audio/speech 提供与 OpenAI 语音接口兼容的调用方式，默认输出 mp3，也可通过 response_format 指定 wav 或 pcm。已有 OpenAI 调用代码的产品改动量很小。
官方说明 ↗23 种语言单引擎
同一套引擎覆盖 23 种语言，同一个声音身份可以直接用英语、阿拉伯语、日语、西班牙语等输出，官方演示里展示了同一个声音读四种语言的对比。
官方说明 ↗低延迟与尾延迟
公网环境下首个音频字节 146 毫秒到达，服务端预热情况下首音频 p50 为 116 毫秒。官方特别强调对话体验由最慢的一轮决定，所以给出的指标是尾延迟而非中位数。
官方说明 ↗水印与数据隔离
每段音频都会被打上不可听见的水印，所有渲染都会加水印。同时声明用户的输入内容不进入任何训练集。音频原生格式为 24 kHz PCM16，可通过重采样输出其他采样率。
官方说明 ↗突发溢出通道
当并发流量超过已购买的流数量时，可以从「占线」转为溢出到突发流，按 $10 一个流日计费，而不是直接拒绝请求。适合有明显波峰的业务。
官方说明 ↗Gandr值不值得用？
当你的业务是实时语音或高频批量合成时，Gandr 的计费方式很有吸引力：按 351.7M 字符、$50/百万字符的市场价算是 $17,587，而 12 条不限量流只要 $1,800，这个量级下每月省 $15,787。语音 Agent、电话机器人这类长时间占着连接的业务尤其划算，因为流可以全天候打开，空闲时段不额外产生成本。但当用量小时它并不便宜：月处理不到 15M token 的话，按 $10/百万 token 直接付费更省。另外 50,000 token 的免费额度只够跑通流程，且公开信息几乎全在 API 层面，想要一个现成的配音编辑器的话这里没有。
建议选它的情况
- 实时语音 Agent 或电话机器人，需要 WebSocket 长连接和低尾延迟
- 每月合成量超过 15M token，不限量流比按量付费明显便宜
- 已有 OpenAI 语音接口调用，想低成本换一个更便宜的后端
- 需要同一声音跨 23 种语言输出，且不能接受按声音收费
不建议选它的情况
- 每月用量在 15M token 以下，按量付费更划算，买流会浪费
- 需要图形界面的配音编辑器，这里只有 API 和极简的控制台
- 需要在预算前拿到确定性报价的企业采购，500 线以上要联系销售议价
Gandr使用建议
入门先把路子走对
- 先领 key 再跑一条请求登录后 API key 会直接显示在屏幕上，不用等审批。拿到 key 后先用 POST /v1/tts/bytes 发一小段文本，确认能拿回完整 WAV，再考虑接流式接口。
- 用 OpenAI 兼容接口做替换验证如果现有代码已经在调 OpenAI 的语音接口，直接改成 POST /v1/audio/speech，默认返回 mp3，用 response_format 切 wav 或 pcm，验收成本最低。
- 克隆前准备干净参考音官方要求 5-10 秒参考音频。选一段无背景音乐、无其他人的单人录音，长度落在 10 秒上下最稳，生成后会被缓存，后续调用直接引用 id 即可。
进阶省时间也省钱
- 按 15M token 决定计费方式官方给出的分界线是每月 15M token。低于这条线按 $10/百万 token 付费更便宜，高于这条线买 $150 的不限量流更划算。先用 /v1/usage 看几个月实际用量再决定。
- 用突发流兜住波峰不要按最高峰值买流。常态按平均并发购买，峰值交给 $10/流日的突发通道，溢出时请求不会直接占线失败。
- 实时通话提前预热 workerGET /v1/prewarm 会在后台准备好一个 worker 并立刻返回，不阻塞。在通话建立前调用，可以把首音频延迟压到的 116 毫秒 p50 水平。
- 上线前先做说话人比对POST /speaker_match 可以比较两段参考音频是否属于同一个人。批量导入声音素材时先跑一遍，能提前发现同一人被拆成多个声音身份的问题。
Gandr适合谁用？
语音 Agent 开发者
推荐接 LiveKit、Pipecat、Vapi 这类框架做实时对话，需要 WebSocket 长连接和稳定的尾延迟，Gandr 的接口形态正好对应。
高用量内容团队
推荐有声书、视频旁白、批量内容生产，月用量稳定超过 15M token 时，$150 的不限量流比按字符计费省得多。
已有语音产品的团队
推荐正在用 OpenAI 语音接口、想换更便宜后端的话，/v1/audio/speech 可以直接替换，迁移成本低。
小体量试水者
有条件免费 50,000 token 只够跑通流程，之后月用量低于 15M token 时按量付费即可，不必急着买流——但买流在这个量级不划算。
需要成片编辑器的创作者
不推荐展示的是输入一行文本听回放的控制台和 API 文档，没有提供多轨编辑、时间轴这类成品工具，想要点开即用的配音软件要另找。
Gandr优点和缺点
优点
- 一条流 $150/月起不限量，token、分钟、声音都不计数
- 351.7M 字符场景下 $1,800 对比市场价 $17,587，省 $15,787
- 公开费率 $10/百万 token，低于市场常见的 $30-100/百万字符
- 公网首音频字节 146 毫秒，服务端预热后 p50 为 116 毫秒
- 5-10 秒参考音频即时克隆，不训练、不按声音额外收费
- 23 种语言共用一套引擎，同一声音可跨语言输出
- 提供 OpenAI 兼容的 /v1/audio/speech 接口，迁移改动小
缺点
- 免费额度只有 50,000 token，仅够跑通流程验证
- 月用量低于 15M token 时，买不限量流反而更贵
- 500 线以上企业档要与销售议价，没有公开报价
- 公开信息集中在 API 与计费，缺少成品编辑器与使用教程
- 每段音频强制加水印，官网未提供关闭选项的说明
Gandr常见问题
Gandr 怎么收费？＋
有四种进入方式。免费档给 50,000 token，一个 token 等于一个字符。按量付费是 $10/百万 token，「Take a Gandr」档 $10/月含 100 万 token/月，Pro 档 $50/月含 500 万 token/月，都按月重置。不限量的 Scale 档是 $150/月（年付）或 $180/月（月付），含一条不限量的流。500 线以上走企业档，按量、突发和故障转移一起议价。
不限量流是怎么算的？＋
一条流指「同一时间一个声音在说话」，可以全天候保持打开并指向任意用途。买了流之后，token、分钟、声音数量和请求次数都不再计数，账单就是流数乘以费率。示例里 12 条流一个月约等于 4,320 小时语音，最忙的一天和最闲的一天花费相同。
什么时候买流划算，什么时候按量付费划算？＋
给出的分界线是每月 15M token。低于这条线，$10/百万 token 的按量付费更便宜；高于这条线，$150 的不限量流更划算。举的例子是 351.7M 字符一个月：按市场价 $50/百万字符要 $17,587，12 条流只要 $1,800，省 $15,787。
支持哪些语言和声音克隆方式？＋
一套引擎覆盖 23 种语言，同一个声音身份可以直接输出不同语言。克隆是即时完成的，提供 5-10 秒参考音频即可生成可用声音，不需要提交训练任务，也不按单个声音收费，首次使用后会被缓存。调用时可以内联提交参考片段，也可以引用一个稳定的声音 id。
延迟和识别准确率是多少？＋
公网环境下首个音频字节 146 毫秒到达，服务端预热时首音频 p50 为 116 毫秒。词错误率 1.98%，参照的人类基准是 2.17%，两者用的是同一个评分器。音频原生为 24 kHz PCM16，其他采样率通过重采样得到。
我发过去的文本会被用来训练模型吗？＋
没有任何用户数据进入训练集。同时每段渲染出来的音频都会被打上不可听见的水印，官方表述是「每一次渲染、在所有地方」都会加水印。
超出购买的并发流会怎样？＋
不会直接占线。溢出部分会转到突发流，按 $10 一个流日计费，而不是让请求失败。官方把这一项单列在账单里，和「流」这一栏并列，适合有明显波峰的业务。
Gandr竞品对比
| 工具 | 编辑评分 | 价格 | 核心功能 | 平台 |
|---|---|---|---|---|
| Gandr本工具 | 4.1 | 免费 50,000 token；$10/百万 token；不限量流 $150-180/月 | 按流计费的不限量；十秒即时克隆；三种流式接口；OpenAI 兼容接口 | API / Web |
| All Voice Lab | — | 未标价 | AI 音频 API,提供文本转语音、语音克隆和声音转换功能 | — |
| AI Clone Voice Free | — | 免费 $0 起，付费 $4.95 – $19.90 /月 | 提供免费的 AI 语音克隆服务，轻松复制和生成逼真的语音 | Web / API |
| MicVoice.Ai | — | 未标价 | 在线 AI 语音生成器，用于真实文本转语音和声音修改 | — |
| Octopra | — | 未标价 | 具有真实感文本转语音和语音克隆功能的 AI 语音生成器 | — |
| Tonvio | — | 订阅 $45/月起；一次性字符包 $1.50 起 | AI 语音平台，支持文本转语音、声音克隆和多语言翻译 | Web / API / MP3 |
