Google TTS Standard

Spezifikationen & Limits

Die Standard-Stimmstufe von Google Cloud Text-to-Speech, auf der Preisseite zusammen mit WaveNet und Studio unter Legacy TTS models gruppiert. US$0.000004 pro Zeichen (US$4 pro 1 Million Zeichen), wobei die ersten 4 Millionen Zeichen jeden Monat kostenlos sind, das größte Freikontingent, das die Preistabelle veröffentlicht.

laut Offizielle Google-Dokumentation ↗

Google TTS Standard 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-standard",
    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-standard",
  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-standard",
    "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-standard",
		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-standard")
        .addUserMessage("Summarize this diff")
        .build());
System.out.println(resp.choices().get(0).message().content().orElse(""));

Über Google TTS Standard

• Ihre Stimmen sind die älteste Technologie im Katalog, und die Dokumentation sagt das unumwunden: Parametrische Sprachsynthese erzeugt Audio, indem sie Ausgaben durch Signalverarbeitungsalgorithmen leitet, die als Vokoder bekannt sind, und viele der Standard-Stimmen nutzen eine Variante dieser Technologie, was der ehrliche Grund dafür ist, dass sie flacher klingen als die generativen Stufen.
• Die Preisseite führt Standard unter Legacy TTS models neben WaveNet und Studio, zu US$0.000004 pro Zeichen, angegeben als US$4 pro 1 Million Zeichen, wobei die ersten 4 Millionen Zeichen jeden Monat kostenlos sind, das größte Freikontingent, das die Preistabelle veröffentlicht.
• Was Standard an Ausdruckskraft aufgibt, macht es an Reichweite wett.
• Stimm-ids folgen einem Muster aus Locale plus Buchstabe wie en-US-Standard-A oder cmn-CN-Standard-A, und die Tabelle der unterstützten Stimmen führt Standard über die breiteste Locale-Spanne im Produkt, von af-ZA und eu-ES über hi-IN, ja-JP und ur-IN bis yue-HK, weit über das hinaus, wohin die neueren Stufen reichen.
• Die Steuerbarkeit erfolgt über SSML, mit Tags wie speak, break, prosody, emphasis, say-as, sub und phoneme, und der AudioConfig-Block ergänzt speakingRate von 0.25 bis 2.0, pitch über 20 Halbtöne in beide Richtungen, volumeGainDb von -96 bis 16, eine optionale Ausgabe-Abtastrate sowie effectsProfileId-Geräteprofile, abgestimmt auf Wearables, Handsets, Kopfhörer, Bluetooth-Lautsprecher, Autoaudio und IVR.
• Die Ausgabe ist LINEAR16 mit WAV-Header, MP3 mit 32 kbps, OGG_OPUS oder G.711 MULAW und ALAW.
• Zwei Einschränkungen sind wichtig: Eine Anfrage trägt höchstens 5.000 Byte Inhalt, und Standard wird nicht über die Streaming-Synthese angeboten, sodass langer Text den asynchronen Weg über Long Audio Synthesis oder eigenes Chunking bedeutet.
• Die Abrechnung zählt jedes Zeichen einschließlich Leerzeichen, Zeilenumbrüchen und SSML-Tags außer mark, wobei Mehrbyte-Zeichen bei Standard einfach zählen.
• Synthorai stellt es über den OpenAI-kompatiblen Endpoint /v1/audio/speech bereit.

FAQ

Verwandte Modelle

Vergleichen