Google TTS Chirp 3 HD vs TTS-1 HD

vs

Lequel choisir, et quand

Les deux facturent $30 par million de caractères et diffusent tous les deux, donc l'écart porte sur le contrôle et la longueur : google-tts-chirp3-hd prend 5000 octets par requête, expose des paramètres numériques de voix et liste SSML en préversion, tandis que tts-1-hd prend 4096 caractères et n'offre aucun contrôle de voix. La couverture est large des deux côtés, même si la liste de tts-1-hd suit le jeu de langues de Whisper plutôt qu'une liste de locales énumérée. Prenez google-tts-chirp3-hd quand il faut façonner le rendu, tts-1-hd quand la voix par défaut suffit.

Tarifs

Google TTS Chirp 3 HD TTS-1 HD Δ
Par 1M de caractères $30 $30 =

Tarifs relevés dans le catalogue en direct à la génération du site ; la page de chaque modèle affiche la grille tarifaire à jour.

Leur position : prix pour 1M de caractères, parmi les 7 modèles de synthèse vocale facturés dans cette unité (échelle logarithmique)

Capacités

Google TTS Chirp 3 HD TTS-1 HD
Streaming oui oui
SSML preview undocumented
Unité de facturation character character

Spécifications

Google TTS Chirp 3 HD TTS-1 HD
Modalités d'entrée texte texte
Modalités de sortie audio audio
Date de sortie 2025-03 2023-11-06
Limite par requête 5000 bytes 4096 characters
Voix Les voix portent des noms d'étoiles et sont publiées avec un genre: Achernar, Achird, Algenib, Algieba, Alnilam, Aoede, Autonoe, Callirrhoe, Charon, Despina, Enceladus, Erinome, Fenrir, Gacrux, Iapetus, Kore, Laomedeia, Leda, Orus, Pulcherrima, Puck, Rasalgethi, Sadachbia, Sadaltager, Schedar, Sulafat, Umbriel, Vindemiatrix, Zephyr et Zubenelgenubi. Un préfixe de locale forme l'identifiant, par ex. en-US-Chirp3-HD-Charon. Google décrit l'ensemble comme 30 styles distincts dans de nombreuses langues. alloy, ash, coral, echo, fable, onyx, nova, sage et shimmer, un ensemble plus restreint que la liste TTS complète de 13 voix, et les voix sont actuellement optimisées pour l'anglais.
Langues ar-XA, bn-IN, bg-BG, yue-HK, hr-HR, cs-CZ, da-DK, nl-BE, nl-NL, en-AU, en-IN, en-GB, en-US, et-EE, fi-FI, fr-CA, fr-FR, de-DE, el-GR, gu-IN, he-IL, hi-IN, hu-HU, id-ID, it-IT, ja-JP, kn-IN, ko-KR, lv-LV, lt-LT, ml-IN, cmn-CN, mr-IN, nb-NO, pl-PL, pt-BR, pa-IN, ro-RO, ru-RU, sr-RS, sk-SK, sl-SI, es-ES, es-US, sw-KE, sv-SE, ta-IN, te-IN, th-TH, tr-TR, uk-UA, ur-IN et vi-VN. Suit globalement la prise en charge linguistique du modèle Whisper: afrikaans, arabe, arménien, azéri, biélorusse, bosniaque, bulgare, catalan, chinois, croate, tchèque, danois, néerlandais, anglais, estonien, finnois, français, galicien, allemand, grec, hébreu, hindi, hongrois, islandais, indonésien, italien, japonais, kannada, kazakh, coréen, letton, lituanien, macédonien, malais, marathi, maori, népalais, norvégien, persan, polonais, portugais, roumain, russe, serbe, slovaque, slovène, espagnol, swahili, suédois, tagalog, tamoul, thaï, turc, ukrainien, ourdou, vietnamien et gallois, bien que les voix soient optimisées pour l'anglais
Contrôle de la voix
  • Les contrôles de voix sont en préversion: le rythme via speaking_rate de 0.25 à 2.0
  • les balises de pause [pause short], [pause long] et [pause] ne sont acceptées que dans le champ d'entrée markup, jamais dans text, et le modèle peut ignorer les balises placées de façon peu naturelle
  • prononciations personnalisées en IPA ou X-SAMPA
  • la prise en charge de SSML est en préversion et synchrone uniquement, non prise en charge pour les requêtes en streaming, les balises non répertoriées étant ignorées et say-as interpret-as=expletive ou bleep n'étant pas pris en charge
none
Limites

Limite de contenu de 5 000 octets au total par requête de synthèse. Format de réponse par défaut LINEAR16

le streaming prend en charge ALAW, MULAW, OGG_OPUS et PCM, le mode par lots ajoute MP3, si bien que MP3 n'est pas disponible sur la voie streaming. Seul type de voix que le tableau comparatif de Google marque comme compatible avec le streaming. En disponibilité générale sur les endpoints global, us et eu ainsi que sur asia-southeast1, europe-west2 et asia-northeast1, mais hors du périmètre de régionalisation et de résidence des données. Facturé au caractère, espaces et sauts de ligne compris, toutes les balises SSML sauf <mark> étant comptées.

Endpoint de génération de parole (v1/audio/speech) uniquement, Chat Completions, Responses, Realtime, Batch et le fine-tuning étant tous listés comme non pris en charge

le texte d'entrée est plafonné à 4096 caractères

sortie mp3 (par défaut), opus, aac, flac, wav ou pcm (échantillons bruts 24 kHz 16 bits signés little-endian)

lecture en temps réel via l'encodage de transfert par blocs

Les spécifications sont reprises de la documentation de chaque fournisseur ; quand un fournisseur ne publie pas une valeur, la ligne est omise et non déduite. Sources complètes : Google TTS Chirp 3 HD · TTS-1 HD

Passez de l'un à l'autre en changeant une seule ligne

Les deux identifiants figurent dans chaque onglet ci-dessous : les deux lignes surlignées sont le seul changement. Même endpoint, même clé, même format de requête.

from openai import OpenAI

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

resp = client.audio.transcriptions.create(
    model="google-tts-chirp3-hd",
    # model="tts-1-hd",  # décommentez cette ligne, commentez celle du dessus
    file=open("meeting.mp3", "rb"),
    language="en",
)
print(resp.text)

Obtenez votre clé API →

FAQ

Lequel est le moins cher, Google TTS Chirp 3 HD ou TTS-1 HD ?

Les deux affichent $30 pour « Par 1M de caractères ». Les autres tarifs et les quantités utilisées peuvent changer le coût total.

Puis-je faire un test A/B entre Google TTS Chirp 3 HD et TTS-1 HD sans deux intégrations ?

Oui. Les deux passent par le même endpoint compatible OpenAI, avec une seule clé API. Pour passer de l'un à l'autre, il suffit de changer l'identifiant du modèle, soit une ligne : vous pouvez donc envoyer une part du trafic à chacun et comparer directement les factures.

Comment la synthèse vocale est-elle facturée ?

Au caractère de texte en entrée, avec un plafond de caractères par requête indiqué dans le tableau des spécifications. Avec l'un comme avec l'autre, un texte long doit être découpé en plusieurs requêtes.

Comparatifs associés

Nos études, mesures à l'appui