Google TTS Standard

Especificaciones y límites

El nivel de voces Standard de Google Cloud Text-to-Speech, agrupado con WaveNet y Studio bajo los Legacy TTS models en la página de precios. US$0.000004 por carácter (US$4 por 1 millón de caracteres) con los primeros 4 millones de caracteres gratis cada mes, la mayor asignación gratuita que publica la tabla de precios.

según documentación oficial de Google ↗

Use Google TTS Standard 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-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(""));

Acerca de Google TTS Standard

• Sus voces son la tecnología más antigua del catálogo y la documentación lo dice sin rodeos: la síntesis de voz paramétrica genera audio pasando las salidas por algoritmos de procesamiento de señal conocidos como vocoders, y muchas de las voces Standard usan una variante de esa tecnología, que es la razón honesta de que suenen más planas que los niveles generativos.
• La página de precios clasifica Standard dentro de los Legacy TTS models, junto a WaveNet y Studio, a US$0.000004 por carácter, citado como US$4 por 1 millón de caracteres, con los primeros 4 millones de caracteres de cada mes gratis, la mayor asignación gratuita que publica la tabla de precios.
• Lo que Standard cede en expresividad lo compensa en alcance.
• Los ids de voz siguen un patrón de configuración regional más letra, como en-US-Standard-A o cmn-CN-Standard-A, y la tabla de voces admitidas lista Standard con la mayor amplitud de configuraciones regionales del producto, desde af-ZA y eu-ES pasando por hi-IN, ja-JP y ur-IN hasta yue-HK, mucho más allá de donde llegan los niveles más recientes.
• La controlabilidad es SSML, con etiquetas que incluyen speak, break, prosody, emphasis, say-as, sub y phoneme, y el bloque AudioConfig añade speakingRate de 0.25 a 2.0, pitch en 20 semitonos en cada sentido, volumeGainDb de -96 a 16, una frecuencia de muestreo de salida opcional y los perfiles de dispositivo effectsProfileId ajustados para wearables, teléfonos, auriculares, altavoces Bluetooth, audio de coche e IVR.
• La salida es LINEAR16 con cabecera WAV, MP3 a 32 kbps, OGG_OPUS o G.711 MULAW y ALAW.
• Dos restricciones importan: una solicitud lleva como máximo 5000 bytes de contenido, y Standard no se ofrece mediante síntesis en streaming, así que un texto largo obliga a la ruta asíncrona de Long Audio Synthesis o a una fragmentación propia.
• La facturación cuenta cada carácter, incluidos los espacios, los saltos de línea y las etiquetas SSML salvo mark, aunque en Standard los caracteres multibyte cuentan una sola vez.
• Synthorai lo sirve a través del endpoint /v1/audio/speech compatible con OpenAI.

Preguntas frecuentes

Modelos relacionados

Comparar