Google TTS Chirp 3 HD vs Google TTS Neural2

vs

Quale scegliere e quando

google-tts-neural2 costa 1.9x meno ($16 per milione di caratteri contro $30) e supporta SSML a pieno titolo, dove google-tts-chirp3-hd lo indica in anteprima - ma neural2 non fa streaming e pubblica un elenco di locale molto più corto, 17 locale con id di voce nominati. Entrambi accettano 5000 byte per richiesta ed espongono parametri numerici della voce. Scegli google-tts-neural2 per lavoro batch guidato da SSML in un locale coperto, google-tts-chirp3-hd per lo streaming e l'ampiezza dei locale.

Prezzi

Google TTS Chirp 3 HD Google TTS Neural2 Δ
Per 1M caratteri $30 $16 1.9×

Tariffe lette dal catalogo live al momento della build; il listino aggiornato è sulla pagina di ciascun modello.

Dove si collocano: prezzo per 1M di caratteri tra tutti i modelli di sintesi vocale con questa unità di fatturazione (7, scala logaritmica)

Funzionalità

Google TTS Chirp 3 HD Google TTS Neural2
Streaming sì no
SSML preview supported
Unità di fatturazione character character

Specifiche

Google TTS Chirp 3 HD Google TTS Neural2
Modalità di input testo testo
Modalità di output audio audio
Rilascio 2025-03 2022-06-27
Limite per richiesta 5000 bytes 5000 bytes
Voci Le voci prendono il nome da stelle e sono pubblicate con un genere: 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 e Zubenelgenubi. Un prefisso di locale forma l'id, ad es. en-US-Chirp3-HD-Charon. Google descrive l'insieme come 30 stili distinti in molte lingue. Gli id delle voci seguono lo schema locale più lettera (en-US-Neural2-F, ja-JP-Neural2-B). La tabella comparativa di Google elenca Neural2 come general purpose, in disponibilità generale, controllabile via SSML e non capace di streaming, e la documentazione afferma che le voci si basano sulla stessa tecnologia usata per creare una Custom Voice, permettendo a chiunque di usare la tecnologia Custom Voice senza addestrarne una propria.
Lingue 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 e vi-VN. Un elenco di locale molto più breve rispetto a Standard. Gli id delle voci Neural2 sono pubblicati per 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 e vi-VN. Google segnala che le voci Neural2 sono disponibili sugli endpoint globali e a singola regione.
Controllo della voce
  • I controlli vocali sono in Preview: il ritmo tramite speaking_rate da 0.25 a 2.0
  • i tag di pausa [pause short], [pause long] e [pause] sono accettati solo nel campo di input markup, mai in text, e il modello può ignorare i tag collocati in modo innaturale
  • pronunce personalizzate in IPA o X-SAMPA
  • il supporto SSML è in Preview e solo sincrono, non supportato per le richieste in streaming, con i tag non elencati ignorati e say-as interpret-as=expletive o bleep non supportati
  • Controlli AudioConfig: speakingRate da 0.25 a 2.0 (1.0 nativo)
  • pitch da -20.0 a 20.0 semitoni
  • volumeGainDb da -96.0 a 16.0
  • profili di dispositivo effectsProfileId per riproduzione su indossabile, telefono, cuffie, altoparlante Bluetooth piccolo e medio, grande impianto home entertainment, grande impianto per auto e telefonia
  • i tag SSML includono speak, break, say-as, sub, mark, prosody, emphasis, phoneme, voice e lang
Limiti

Limite di contenuto di 5.000 byte totali per richiesta di sintesi. Formato di risposta predefinito LINEAR16

lo streaming supporta ALAW, MULAW, OGG_OPUS e PCM, il batch aggiunge MP3, quindi MP3 non è disponibile sul percorso in streaming. È l'unico tipo di voce che la tabella comparativa di Google segna come capace di streaming. In disponibilità generale sugli endpoint global, us ed eu oltre che su asia-southeast1, europe-west2 e asia-northeast1, ma fuori dallo scope della regionalizzazione e della residenza dei dati. Fatturato per carattere inclusi spazi e a capo, con tutti i tag SSML tranne <mark> conteggiati.

Limite di contenuto di 5.000 byte totali per richiesta di sintesi. Output LINEAR16 (con header WAV), MP3 a 32 kbps, OGG_OPUS oppure G.711 MULAW e ALAW

il sampleRateHertz opzionale ricampiona e fa fallire la richiesta se la frequenza non è supportata per quella codifica. Non offerto sulla sintesi in streaming. Fatturato per carattere inclusi spazi e a capo, con tutti i tag SSML tranne <mark> conteggiati

la nota per cui un carattere multibyte conta una volta sola vale solo per Standard e WaveNet.

Le specifiche sono riprese dalla documentazione di ciascun provider; se un provider non pubblica un dato, la riga viene omessa e non dedotta. Fonti complete: Google TTS Chirp 3 HD · Google TTS Neural2

Passa dall'uno all'altro cambiando una sola riga

In ogni scheda qui sotto ci sono entrambi gli id: le due righe evidenziate sono l'unica modifica. Stesso endpoint, stessa chiave, stessa struttura della richiesta.

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="google-tts-neural2",  # decommenta questa riga, commenta quella sopra
    file=open("meeting.mp3", "rb"),
    language="en",
)
print(resp.text)

Ottieni la tua chiave API →

FAQ

Qual è il più economico, Google TTS Chirp 3 HD o Google TTS Neural2?

Google TTS Neural2 costa meno alla voce Per 1M caratteri ($16 contro $30, 1.9× di differenza). Altre voci potrebbero dire il contrario: la tabella qui sopra riporta il listino completo, e il costo reale dipende dal tuo mix di utilizzo.

Posso fare un A/B test di Google TTS Chirp 3 HD contro Google TTS Neural2 senza due integrazioni?

Sì. Si chiamano entrambi dallo stesso endpoint compatibile con OpenAI, con una sola chiave API. Per passare dall'uno all'altro basta cambiare la stringa del modello in una riga, quindi puoi mandare una parte del traffico a ciascuno e confrontare direttamente i costi.

Come viene fatturata la sintesi vocale?

Per carattere del testo di input, con un tetto massimo di caratteri per richiesta indicato nella tabella delle specifiche. Con entrambi i modelli i testi lunghi vanno suddivisi su più richieste.

Confronti correlati

Dai nostri studi con dati misurati