Google TTS Neural2 vs Google TTS Standard
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 |
|
|
| 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)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-neural2",
// model: "google-tts-standard", // 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-neural2" \
# -F model="google-tts-standard" \ # 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-neural2",
// Model: "google-tts-standard", // 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-neural2")
// .model("google-tts-standard") // 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 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.