Google TTS Neural2 vs Google TTS Standard

vs

Quale scegliere e quando

google-tts-standard costa 4x meno, $4 per milione di caratteri contro $16, e ha la copertura di locale più ampia della linea; neural2 è la resa di qualità superiore su un elenco molto più corto di 17 locale. Nessuno dei due fa streaming, entrambi prendono 5000 byte per richiesta, entrambi supportano SSML e parametri numerici della voce - e standard conta una sola volta un carattere multibyte, il che pesa sui testi CJK. Scegli standard per portata e costo, neural2 dove il suo locale è coperto e la qualità conta.

Prezzi

Google TTS Neural2 Google TTS Standard Δ
Per 1M caratteri $16 $4 4×

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 Neural2 Google TTS Standard
Streaming no no
SSML supported supported
Unità di fatturazione character character

Specifiche

Google TTS Neural2 Google TTS Standard
Modalità di input testo testo
Modalità di output audio audio
Rilascio 2022-06-27 2018-03-27
Limite per richiesta 5000 bytes 5000 bytes
Voci 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.

Gli id delle voci seguono uno schema locale più lettera (en-US-Standard-A, cmn-CN-Standard-A). La tabella comparativa di Google elenca Standard come efficiente sui costi, in disponibilità generale, controllabile via SSML e non capace di streaming

la documentazione attribuisce le voci a una sintesi vocale parametrica fatta passare attraverso vocoder.

Lingue 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. La gamma di locale più ampia di qualsiasi tipo di voce Cloud TTS. Gli id delle voci Standard sono pubblicati per 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 e yue-HK.
Controllo della voce
  • 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
  • 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. 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.

Limite di contenuto di 5.000 byte totali per richiesta di sintesi (in alcuni locale un singolo carattere occupa più byte). Output LINEAR16 (restituito 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

Long Audio Synthesis (Preview) copre in modo asincrono fino a 1 milione di byte in input. Fatturato per carattere inclusi spazi e a capo, e contano tutti i tag SSML tranne <mark>

per Standard e WaveNet un carattere multibyte è addebitato una volta sola.

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 Neural2 · Google TTS Standard

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

Google TTS Standard costa meno alla voce Per 1M caratteri ($4 contro $16, 4.0× 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 Neural2 contro Google TTS Standard 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