Google TTS Neural2

Veröffentlicht 2022-06-27

Google TTS Neural2 erschließt die Neural2-Stimmstufe von Google Cloud Text-to-Speech, und Googles Beschreibung ist ungewöhnlich genau dabei, woher die Stimmen stammen: Neural2-Stimmen beruhen auf derselben Technologie, die zur Erstellung einer Custom Voice verwendet wird, und die Stufe existiert, damit jeder Custom-Voice-Technologie nutzen kann, ohne eine eigene Custom Voice zu trainieren.

Eingabe
Text $16/M
Ausgabe
Audio
Kontext
4K

Preis im Vergleich

Der Preis im Feld von 7 vergleichbaren Modellen

Eingabe$16/M
$4 · Google TTS Standard Google TTS Chirp 3 HD · $30

Der Balken zeigt, wo der Preis dieses Modells unter allen Modellen derselben Art auf Synthorai liegt. An beiden Enden stehen das günstigste und das teuerste Modell. Angegeben sind Grundpreise; Rabatte für Batch, Region und Cache-Schreibzugriffe stehen auf der Preisseite.

Spezifikationen & Limits

Sprachsynthese

Synthesesprachen Eine deutlich kürzere Locale-Liste als bei Standard. Neural2-Stimm-ids sind veröffentlicht für da-DK, de-DE, en-AU, en-GB, en-IN, en-US, es-ES, es-US, fr-CA, fr-FR, hi-IN, it-IT, ja-JP, ko-KR, pt-BR, th-TH und vi-VN. Google merkt an, dass Neural2-Stimmen auf globalen und Einzelregion-Endpunkten verfügbar sind.
Stimmen Stimm-ids folgen dem Muster aus Locale plus Buchstabe (en-US-Neural2-F, ja-JP-Neural2-B). Googles Vergleichstabelle führt Neural2 als general purpose, allgemein verfügbar, per SSML steuerbar und nicht streamingfähig, und die Dokumentation gibt an, dass die Stimmen auf derselben Technologie beruhen, die zur Erstellung einer Custom Voice verwendet wird, sodass jeder Custom-Voice-Technologie nutzen kann, ohne eine eigene zu trainieren.
Eingabelimit 5,000 Bytes Anbieter geben dieses Limit in unterschiedlichen Einheiten an: Bei nicht lateinischem Text ist ein Byte-Limit kein Zeichen-Limit.
Streaming-Synthese Nein
SSML Unterstützt
Stimmsteuerung Numerische Parameter
Was akzeptiert wird
  • AudioConfig-Steuerungen: speakingRate 0.25 bis 2.0 (1.0 nativ)
  • pitch -20.0 bis 20.0 Halbtöne
  • volumeGainDb -96.0 bis 16.0
  • effectsProfileId-Geräteprofile für Wearable, Handset, Kopfhörer, kleine und mittlere Bluetooth-Lautsprecher, große Home-Entertainment-Anlagen, große Autoanlagen und Telefonie-Wiedergabe
  • zu den SSML-Tags gehören speak, break, say-as, sub, mark, prosody, emphasis, phoneme, voice und lang
Abrechnungseinheit Pro Eingabezeichen Der Anbieter gibt nicht an, ob ein Mehrbyte-Zeichen einmal berechnet wird. Eine Kostenschätzung für CJK-Text allein auf Basis dieses Tarifs ist deshalb nicht durch die Dokumentation gedeckt.
Endpunkte und Formate
  • Inhaltsgrenze von insgesamt 5.000 Byte pro synthesize-Anfrage. Ausgabe als LINEAR16 (mit WAV-Header), MP3 mit 32 kbps, OGG_OPUS oder G.711 MULAW und ALAW
  • das optionale sampleRateHertz resampelt und lässt die Anfrage fehlschlagen, wenn die Rate für das Encoding nicht unterstützt wird. Wird nicht über die Streaming-Synthese angeboten. Abgerechnet pro Zeichen einschließlich Leerzeichen und Zeilenumbrüchen, wobei alle SSML-Tags außer <mark> mitzählen
  • der Hinweis, dass ein Mehrbyte-Zeichen einmal zählt, gilt nur für Standard und WaveNet

Modell

Modalitäten Text → Audio

Die Neural2-Stimmstufe von Google Cloud Text-to-Speech, auf der Preisseite weiterhin unter Legacy TTS models gruppiert. US$0.000016 pro Zeichen (US$16 pro 1 Million Zeichen), wobei die erste 1 Million Zeichen jeden Monat kostenlos ist, gegenüber 4 Millionen bei Standard.

laut Offizielle Google-Dokumentation ↗

Google TTS Neural2 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-neural2",
    messages=[{"role": "user", "content": "Summarize this diff"}],
)
print(resp.choices[0].message.content)

Über Google TTS Neural2

  • Die Vergleichstabelle nennt sie general purpose, markiert sie als allgemein verfügbar und gibt ihre Steuerbarkeit mit SSML an, dasselbe Profil, das Standard und WaveNet tragen.
  • Beim Preis erklärt sich die Stufe selbst: US$0.000016 pro Zeichen, angegeben als US$16 pro 1 Million Zeichen, wobei die erste 1 Million Zeichen jeden Monat kostenlos ist statt der 4 Millionen von Standard; die Preisseite gruppiert sie weiterhin unter Legacy TTS models.
  • Der Preis für diese Qualität ist die Reichweite.
  • Wo Standard Locales von Afrikaans bis Kantonesisch abdeckt, erscheinen Neural2-Stimm-ids für eine deutlich kürzere Liste: da-DK, de-DE, en-AU, en-GB, en-IN, en-US, es-ES, es-US, fr-CA, fr-FR, hi-IN, it-IT, ja-JP, ko-KR, pt-BR, th-TH und vi-VN, benannt in der vertrauten Form aus Locale plus Buchstabe wie en-US-Neural2-F.
  • Google merkt an, dass Neural2 auf globalen und Einzelregion-Endpunkten verfügbar ist.
  • Alles Betriebliche teilt sie mit dem Rest der klassischen API: SSML-Eingabe, speakingRate von 0.25 bis 2.0, pitch in Halbtönen über einen Bereich von 20 Punkten in beide Richtungen, volumeGainDb von -96 bis 16, eine optionale Synthese-Abtastrate, die Geräteprofile von Wearables bis Telefonie und die Ausgabe als LINEAR16, MP3, OGG_OPUS, MULAW oder ALAW.
  • Dieselbe Obergrenze von 5.000 Byte Inhalt pro Anfrage gilt, und wie Standard wird Neural2 nicht über die Streaming-Synthese angeboten, was die konkrete Fähigkeit ist, die man gegenüber Chirp 3: HD aufgibt.
  • Die Abrechnung zählt Zeichen einschließlich Leerzeichen und SSML-Tags außer mark.
  • Synthorai stellt es über den OpenAI-kompatiblen Endpoint /v1/audio/speech bereit.

FAQ

Lässt sich die Google TTS Neural2 API kostenlos testen?

Ja. Neue Konten erhalten 10 Testaufrufe und bis zu $1 Gratisguthaben, ohne Kreditkarte. Das reicht, um Google TTS Neural2 mit Ihrem realen Workload auszuprobieren, bevor Sie eine Zahlungsmethode hinterlegen.

Worin ist Google TTS Neural2 am besten?

Custom-Voice-Technologie, ohne eine Custom Voice zu trainieren; deutlich kürzere Locale-Liste als Standard; general purpose und per SSML steuerbar, aber ohne Streaming. Mehr dazu im Über-Abschnitt, der auf den offiziellen Release Notes des Anbieters beruht.

Was kostet Google TTS Neural2?

Google TTS Neural2 kostet auf Synthorai $16 pro Million Eingabe-Tokens und $0 pro Million Ausgabe-Tokens. Das ist der Listenpreis des Anbieters, ohne Plattformaufschlag.

Unterstützt Google TTS Neural2 Prompt-Caching?

Für Google TTS Neural2 gibt es auf Synthorai derzeit keinen Rabatt auf Cache-Lesezugriffe. Bei anderen Modellen im Gateway greift Prompt-Caching weiterhin; Alternativen mit Caching finden Sie in der Preistabelle. Caching-Vergleich der Anbieter →

Wie erhalte ich Zugang zu Google TTS Neural2?

Setzen Sie in Ihrem vorhandenen OpenAI SDK base_url="https://synthorai.io/v1" und model="google-tts-neural2", mehr ist nicht nötig. Ein API-Schlüssel gilt für alle Modelle im Gateway.

Verwandte Modelle

Vergleichen

Jeder Wert auf dieser Seite stammt aus der oben verlinkten Dokumentation des Anbieters und trägt das Datum, an dem wir ihn geprüft haben. Preise vergleichen wir über den gesamten Katalog. Spezifikationen, die Anbieter unterschiedlich definieren, zeigen wir mit einem Hinweis auf den Unterschied und nicht als Diagramm. Wir messen hier nichts selbst und vergeben keine Bewertungen.

API-Schlüssel erstellen Ihre Kosten vergleichen →