Google TTS Chirp 3 HD vs TTS-1 HD
Quale scegliere e quando
Entrambi costano $30 per milione di caratteri ed entrambi fanno streaming, quindi la differenza è controllo e lunghezza: google-tts-chirp3-hd prende 5000 byte per richiesta, espone parametri numerici della voce e indica SSML in anteprima, mentre tts-1-hd prende 4096 caratteri e non offre alcun controllo della voce. La copertura è ampia su entrambi, anche se l'elenco di tts-1-hd segue l'insieme di lingue di Whisper invece di un elenco enumerato di locale. Scegli google-tts-chirp3-hd quando devi modellare la resa, tts-1-hd quando la voce predefinita basta.
Prezzi
| Google TTS Chirp 3 HD | TTS-1 HD | Δ | |
|---|---|---|---|
| Per 1M caratteri | $30 | $30 | = |
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 | TTS-1 HD | |
|---|---|---|
| Streaming | sì | sì |
| SSML | preview | undocumented |
| Unità di fatturazione | character | character |
Specifiche
| Google TTS Chirp 3 HD | TTS-1 HD | |
|---|---|---|
| Modalità di input | testo | testo |
| Modalità di output | audio | audio |
| Rilascio | 2025-03 | 2023-11-06 |
| Limite per richiesta | 5000 bytes | 4096 characters |
| 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. | alloy, ash, coral, echo, fable, onyx, nova, sage e shimmer, un insieme più ristretto rispetto all'elenco TTS completo di 13 voci, e le voci sono attualmente ottimizzate per l'inglese. |
| 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. | In genere segue il supporto linguistico del modello Whisper: afrikaans, arabo, armeno, azero, bielorusso, bosniaco, bulgaro, catalano, cinese, croato, ceco, danese, olandese, inglese, estone, finlandese, francese, galiziano, tedesco, greco, ebraico, hindi, ungherese, islandese, indonesiano, italiano, giapponese, kannada, kazako, coreano, lettone, lituano, macedone, malese, marathi, maori, nepalese, norvegese, persiano, polacco, portoghese, rumeno, russo, serbo, slovacco, sloveno, spagnolo, swahili, svedese, tagalog, tamil, thai, turco, ucraino, urdu, vietnamita e gallese, nonostante le voci siano ottimizzate per l'inglese |
| Controllo della voce |
| none |
| 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. | Solo endpoint di generazione vocale (v1/audio/speech), con Chat Completions, Responses, Realtime, Batch e Fine-tuning tutti indicati come non supportati il testo in input è limitato a 4096 caratteri output mp3 (predefinito), opus, aac, flac, wav o pcm (campioni grezzi a 24 kHz, 16 bit, signed little-endian) riproduzione in tempo reale tramite chunked transfer encoding |
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 · TTS-1 HD
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="tts-1-hd", # 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: "tts-1-hd", // 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="tts-1-hd" \ # 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: "tts-1-hd", // 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("tts-1-hd") // 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 TTS-1 HD?
Entrambi applicano $30 a «Per 1M caratteri». Le altre tariffe e le quantità usate possono cambiare il costo totale.
Posso fare un A/B test di Google TTS Chirp 3 HD contro TTS-1 HD 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.