Google TTS Chirp 3 HD vs Google TTS Neural2
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 |
|
|
| 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)import OpenAI from "openai";
import fs from "node:fs";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.audio.transcriptions.create({
model: "google-tts-chirp3-hd",
// model: "google-tts-neural2", // decommenta questa riga, commenta quella sopra
file: fs.createReadStream("meeting.mp3"),
});
console.log(resp.text);curl https://synthorai.io/v1/audio/transcriptions \
-H "Authorization: Bearer sk-syn-..." \
-F model="google-tts-chirp3-hd" \
# -F model="google-tts-neural2" \ # decommenta questa riga, commenta quella sopra
-F file=@meeting.mp3package main
import (
"context"
"fmt"
"os"
"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-..."),
)
f, _ := os.Open("meeting.mp3")
resp, _ := client.Audio.Transcriptions.New(context.TODO(), openai.AudioTranscriptionNewParams{
Model: "google-tts-chirp3-hd",
// Model: "google-tts-neural2", // decommenta questa riga, commenta quella sopra
File: f,
})
fmt.Println(resp.Text)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.audio.transcriptions.*;
import java.nio.file.Paths;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
Transcription resp = client.audio().transcriptions().create(
TranscriptionCreateParams.builder()
.model("google-tts-chirp3-hd")
// .model("google-tts-neural2") // decommenta questa riga, commenta quella sopra
.file(Paths.get("meeting.mp3"))
.build()).asTranscription();
System.out.println(resp.text());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.