Google TTS Chirp 3 HD

Spécifications et limites

• La dernière génération de synthèse vocale de Google, animée par ses derniers modèles génératifs et décrite comme offrant réalisme et résonance émotionnelle
• le tableau comparatif désigne les agents conversationnels comme usage visé et la page de tarification la range sous les modèles TTS les plus récents (Latest) plutôt que sous les modèles hérités (Legacy). 0,00003 $ US par caractère (30 $ US par million de caractères) avec le premier million de caractères gratuit chaque mois

selon docs officielles Google ↗

Utilisez Google TTS Chirp 3 HD en 30 secondes

Compatible OpenAI : changez la base_url, gardez votre 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(""));

À propos de Google TTS Chirp 3 HD

• Le tableau comparatif désigne les agents conversationnels comme usage visé, et la page des voix ajoute que ces voix se déclinent en 30 styles distincts dans de nombreuses langues, adaptés aux applications temps réel comme classiques, avec des contrôles audio avancés et une communication temps réel à faible latence par streaming de texte.
• Ce dernier point est la démarcation la plus nette face à Standard et Neural2 : Chirp 3: HD est le seul type de voix de ce tableau dont la colonne streaming indique oui.
• Les voix portent des noms d'étoiles plutôt que des lettres, Achernar, Algenib, Aoede, Charon, Kore, Leda, Puck, Sulafat, Zephyr, Zubenelgenubi et les autres, chacune publiée avec un genre et combinée à une locale pour former des identifiants comme en-US-Chirp3-HD-Charon.
• La couverture linguistique est une liste BCP-47 publiée qui va de ar-XA et bn-IN à cmn-CN, ja-JP et sw-KE jusqu'à vi-VN, et le palier est en disponibilité générale sur les endpoints global, us et eu, ainsi que sur asia-southeast1, europe-west2 et asia-northeast1.
• Le format de réponse par défaut est LINEAR16 ; le streaming ajoute ALAW, MULAW, OGG_OPUS et PCM, tandis que le mode par lots ajoute MP3 par-dessus, si bien que MP3 n'est pas une option en streaming ici.
• Ses contrôles lui sont propres et sont tous encore en préversion : le rythme via speaking_rate entre 0.25 et 2.0, des balises de pause comme [pause short] et [pause long] qui ne fonctionnent que dans le champ d'entrée markup et jamais dans text, des prononciations personnalisées en IPA ou X-SAMPA, et un SSML restreint aux requêtes synchrones dont les balises non répertoriées sont ignorées en silence.
• Google avertit que le modèle peut ignorer les balises de pause placées de façon peu naturelle.
• La tarification est de 0,00003 $ US par caractère, soit 30 $ US par million de caractères, avec le premier million gratuit, et le palier se situe hors du périmètre de régionalisation et de résidence des données.
• Synthorai le sert via l'endpoint /v1/audio/speech compatible OpenAI.

FAQ

Modèles associés

Comparer