Google TTS Chirp 3 HD

Especificaciones y límites

• La última generación de síntesis de voz de Google, impulsada por sus modelos generativos más recientes y descrita como capaz de ofrecer realismo y resonancia emocional
• la tabla comparativa nombra los agentes conversacionales como el uso previsto y la página de precios lo incluye entre los Latest TTS models en lugar de los Legacy. US$0.00003 por carácter (US$30 por 1 millón de caracteres) con el primer millón de caracteres gratis cada mes

según documentación oficial de Google ↗

Use Google TTS Chirp 3 HD en 30 segundos

Compatible con OpenAI: cambie el base_url y conserve su SDK. 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(""));

Acerca de Google TTS Chirp 3 HD

• La tabla comparativa nombra los agentes conversacionales como el uso previsto, y la página de voces añade que estas voces vienen en 30 estilos distintos en muchos idiomas, aptas para aplicaciones en tiempo real y estándar, con controles de audio avanzados y comunicación en tiempo real de baja latencia mediante streaming de texto.
• Ese último punto es la línea más nítida frente a Standard y Neural2: Chirp 3: HD es el único tipo de voz de esa tabla cuya columna de streaming dice sí.
• Las voces llevan nombres de estrellas en lugar de letras, Achernar, Algenib, Aoede, Charon, Kore, Leda, Puck, Sulafat, Zephyr, Zubenelgenubi y las demás, cada una publicada con un género y combinada con una configuración regional para formar ids como en-US-Chirp3-HD-Charon.
• La cobertura de idiomas es una lista BCP-47 publicada que va desde ar-XA y bn-IN pasando por cmn-CN, ja-JP y sw-KE hasta vi-VN, y el nivel está disponible con carácter general en los endpoints global, us y eu, además de asia-southeast1, europe-west2 y asia-northeast1.
• El formato de respuesta por defecto es LINEAR16; el streaming añade ALAW, MULAW, OGG_OPUS y PCM, mientras que el modo por lotes suma MP3 encima, así que aquí MP3 no es una opción de streaming.
• Sus controles son propios y todos siguen en Preview: el ritmo mediante speaking_rate entre 0.25 y 2.0, etiquetas de pausa como [pause short] y [pause long] que solo funcionan en el campo de entrada markup y nunca en text, pronunciaciones personalizadas en IPA o X-SAMPA, y SSML restringido a las solicitudes síncronas, con las etiquetas no listadas ignoradas en silencio.
• Google advierte de que el modelo puede desatender las etiquetas de pausa colocadas de forma poco natural.
• El precio es de US$0.00003 por carácter, citado como US$30 por 1 millón de caracteres, con el primer millón gratis, y el nivel queda fuera del ámbito de regionalización y residencia de datos.
• Synthorai lo sirve a través del endpoint /v1/audio/speech compatible con OpenAI.

Preguntas frecuentes

Modelos relacionados

Comparar