Google TTS Chirp 3 HD

Spezifikationen & Limits

• Googles neueste Text-to-Speech-Generation, angetrieben von seinen neuesten generativen Modellen und beschrieben als etwas, das Realismus und emotionale Resonanz liefert
• die Vergleichstabelle nennt dialogorientierte Agenten als vorgesehenen Einsatzzweck und führt sie auf der Preisseite unter Latest TTS models statt unter Legacy. US$0.00003 pro Zeichen (US$30 pro 1 Million Zeichen), wobei die erste 1 Million Zeichen jeden Monat kostenlos ist

laut Offizielle Google-Dokumentation ↗

Google TTS Chirp 3 HD in 30 Sekunden nutzen

OpenAI-kompatibel: base_url austauschen, SDK behalten. POST /v1/chat/completions

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.chat.completions.create(
    model="google-tts-chirp3-hd",
    messages=[{"role": "user", "content": "Summarize this diff"}],
)
print(resp.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://synthorai.io/v1",
  apiKey: "sk-syn-...",
});

const resp = await client.chat.completions.create({
  model: "google-tts-chirp3-hd",
  messages: [{ role: "user", content: "Summarize this diff" }],
});
console.log(resp.choices[0].message.content);

curl https://synthorai.io/v1/chat/completions \
  -H "Authorization: Bearer sk-syn-..." \
  -H "Content-Type: application/json" \
  -d '{
    "model": "google-tts-chirp3-hd",
    "messages": [{"role": "user", "content": "Hello"}]
  }'

package main

import (
	"context"
	"fmt"

	"github.com/openai/openai-go/v3"
	"github.com/openai/openai-go/v3/option"
)

func main() {
	client := openai.NewClient(
		option.WithBaseURL("https://synthorai.io/v1"),
		option.WithAPIKey("sk-syn-..."),
	)
	resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
		Model: "google-tts-chirp3-hd",
		Messages: []openai.ChatCompletionMessageParamUnion{
			openai.UserMessage("Summarize this diff"),
		},
	})
	fmt.Println(resp.Choices[0].Message.Content)
}

import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;

OpenAIClient client = OpenAIOkHttpClient.builder()
    .baseUrl("https://synthorai.io/v1")
    .apiKey("sk-syn-...")
    .build();

ChatCompletion resp = client.chat().completions().create(
    ChatCompletionCreateParams.builder()
        .model("google-tts-chirp3-hd")
        .addUserMessage("Summarize this diff")
        .build());
System.out.println(resp.choices().get(0).message().content().orElse(""));

Über Google TTS Chirp 3 HD

• Die Vergleichstabelle nennt dialogorientierte Agenten als vorgesehenen Einsatzzweck, und die Stimmenseite ergänzt, dass diese Stimmen in 30 verschiedenen Stilen über viele Sprachen hinweg kommen, geeignet für Echtzeit- und Standardanwendungen, mit fortgeschrittenen Audio-Steuerungen und latenzarmer Echtzeitkommunikation per Text-Streaming.
• Dieser letzte Punkt ist die schärfste Trennlinie gegenüber Standard und Neural2: Chirp 3: HD ist der einzige Stimmtyp in jener Tabelle, dessen Streaming-Spalte yes lautet.
• Die Stimmen sind nach Sternen statt nach Buchstaben benannt, Achernar, Algenib, Aoede, Charon, Kore, Leda, Puck, Sulafat, Zephyr, Zubenelgenubi und die übrigen, jeweils mit einem Geschlecht veröffentlicht und mit einer Locale zu ids wie en-US-Chirp3-HD-Charon kombiniert.
• Die Sprachabdeckung ist eine veröffentlichte BCP-47-Liste, die von ar-XA und bn-IN über cmn-CN, ja-JP und sw-KE bis vi-VN reicht, und die Stufe ist allgemein verfügbar auf den Endpunkten global, us und eu sowie asia-southeast1, europe-west2 und asia-northeast1.
• Das Standard-Antwortformat ist LINEAR16; Streaming ergänzt ALAW, MULAW, OGG_OPUS und PCM, während Batch zusätzlich MP3 hinzufügt, sodass MP3 hier keine Streaming-Option ist.
• Ihre Steuerungen sind eigenständig und allesamt noch Preview: Tempo über speaking_rate zwischen 0.25 und 2.0, Pausen-Tags wie [pause short] und [pause long], die nur im markup-Eingabefeld und nie im Text funktionieren, eigene Aussprachen in IPA oder X-SAMPA sowie SSML, beschränkt auf synchrone Anfragen, wobei nicht gelistete Tags stillschweigend ignoriert werden.
• Google warnt, dass das Modell unnatürlich platzierte Pausen-Tags missachten kann.
• Der Preis liegt bei US$0.00003 pro Zeichen, angegeben als US$30 pro 1 Million Zeichen, mit der ersten 1 Million kostenlos, und die Stufe liegt außerhalb des Geltungsbereichs von Regionalisierung und Datenresidenz.
• Synthorai stellt es über den OpenAI-kompatiblen Endpoint /v1/audio/speech bereit.

FAQ

Verwandte Modelle

Vergleichen