Google TTS Neural2 vs Google TTS Standard

vs

Lequel choisir, et quand

google-tts-standard revient 4x moins cher, $4 par million de caractères contre $16, et porte la plus large étendue de locales de la gamme ; neural2 est le rendu de meilleure qualité sur une liste bien plus courte de 17 locales. Aucun des deux ne diffuse, les deux prennent 5000 octets par requête, les deux acceptent SSML et des paramètres numériques de voix - et standard ne compte qu'une fois un caractère multi-octet, ce qui compte pour du texte CJK. Prenez standard pour la portée et le coût, neural2 quand sa locale est couverte et que la qualité prime.

Tarifs

Google TTS Neural2 Google TTS Standard Δ
Par 1M de caractères $16 $4 4×

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 Neural2 Google TTS Standard
Streaming non non
SSML supported supported
Unité de facturation character character

Spécifications

Google TTS Neural2 Google TTS Standard
Modalités d'entrée texte texte
Modalités de sortie audio audio
Date de sortie 2022-06-27 2018-03-27
Limite par requête 5000 bytes 5000 bytes
Voix Les identifiants de voix suivent le motif locale-plus-lettre (en-US-Neural2-F, ja-JP-Neural2-B). Le tableau comparatif de Google présente Neural2 comme généraliste, en disponibilité générale, pilotable via SSML et non compatible avec le streaming, et la documentation indique que les voix reposent sur la même technologie que celle utilisée pour créer une Custom Voice, ce qui permet à chacun d'utiliser la technologie Custom Voice sans entraîner la sienne.

Les identifiants de voix suivent un motif locale-plus-lettre (en-US-Standard-A, cmn-CN-Standard-A). Le tableau comparatif de Google présente Standard comme économique, en disponibilité générale, pilotable via SSML et non compatible avec le streaming

la documentation attribue les voix à une synthèse vocale paramétrique passée par des vocodeurs.

Langues Une liste de locales bien plus courte que celle de Standard. Des identifiants de voix Neural2 sont publiés pour 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 et vi-VN. Google précise que les voix Neural2 sont disponibles sur les endpoints globaux et mono-région. L'éventail de locales le plus large de tous les types de voix Cloud TTS. Des identifiants de voix Standard sont publiés pour af-ZA, ar-XA, bg-BG, bn-IN, ca-ES, cmn-CN, cmn-TW, cs-CZ, da-DK, de-DE, el-GR, en-AU, en-GB, en-IN, en-US, es-ES, es-US, et-EE, eu-ES, fi-FI, fil-PH, fr-CA, fr-FR, gl-ES, gu-IN, he-IL, hi-IN, hu-HU, id-ID, is-IS, it-IT, ja-JP, kn-IN, ko-KR, lt-LT, lv-LV, ml-IN, mr-IN, ms-MY, nb-NO, nl-BE, nl-NL, pa-IN, pl-PL, pt-BR, pt-PT, ro-RO, ru-RU, sk-SK, sr-RS, sv-SE, ta-IN, te-IN, th-TH, tr-TR, uk-UA, ur-IN, vi-VN et yue-HK.
Contrôle de la voix
  • Contrôles AudioConfig: speakingRate de 0.25 à 2.0 (1.0 en natif)
  • pitch de -20.0 à 20.0 demi-tons
  • volumeGainDb de -96.0 à 16.0
  • profils d'appareil effectsProfileId pour objet connecté, téléphone, casque, enceinte Bluetooth petite et moyenne, grand système home cinéma, grand système automobile et restitution téléphonique
  • les balises SSML comprennent speak, break, say-as, sub, mark, prosody, emphasis, phoneme, voice et lang
  • Contrôles AudioConfig: speakingRate de 0.25 à 2.0 (1.0 en natif)
  • pitch de -20.0 à 20.0 demi-tons
  • volumeGainDb de -96.0 à 16.0
  • profils d'appareil effectsProfileId pour objet connecté, téléphone, casque, enceinte Bluetooth petite et moyenne, grand système home cinéma, grand système automobile et restitution téléphonique
  • les balises SSML comprennent speak, break, say-as, sub, mark, prosody, emphasis, phoneme, voice et lang
Limites

Limite de contenu de 5 000 octets au total par requête de synthèse. Sortie en LINEAR16 (avec un en-tête WAV), MP3 à 32 kbps, OGG_OPUS, ou G.711 MULAW et ALAW

le paramètre optionnel sampleRateHertz rééchantillonne et fait échouer la requête si la fréquence n'est pas prise en charge pour l'encodage. Non proposé en synthèse par streaming. Facturé au caractère, espaces et sauts de ligne compris, toutes les balises SSML sauf <mark> étant comptées

la note sur le caractère multi-octets facturé une seule fois ne vaut que pour Standard et WaveNet.

Limite de contenu de 5 000 octets au total par requête de synthèse (un caractère unique occupe plusieurs octets dans certaines locales). Sortie en LINEAR16 (renvoyée avec un en-tête WAV), MP3 à 32 kbps, OGG_OPUS, ou G.711 MULAW et ALAW

le paramètre optionnel sampleRateHertz rééchantillonne et fait échouer la requête si la fréquence n'est pas prise en charge pour l'encodage. Non proposé en synthèse par streaming

Long Audio Synthesis (en préversion) couvre jusqu'à 1 million d'octets d'entrée de façon asynchrone. Facturé au caractère, espaces et sauts de ligne compris, et toutes les balises SSML sauf <mark> comptent

pour Standard et WaveNet, un caractère multi-octets n'est facturé qu'une fois.

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 Neural2 · Google TTS Standard

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-neural2",
    # model="google-tts-standard",  # 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 Neural2 ou Google TTS Standard ?

Google TTS Standard est moins cher sur la ligne « Par 1M de caractères » ($4 contre $16, soit un écart de 4.0×). D'autres lignes peuvent dire l'inverse : le tableau ci-dessus donne la grille tarifaire complète, et le coût réel dépend de la composition de votre trafic.

Puis-je faire un test A/B entre Google TTS Neural2 et Google TTS Standard 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