Google TTS Chirp 3 HD

Specifiche e limiti

• L'ultima generazione di sintesi vocale di Google, alimentata dai suoi modelli generativi più recenti e descritta come capace di offrire realismo e risonanza emotiva
• la tabella comparativa indica gli agent conversazionali come uso previsto e nella pagina dei prezzi la elenca sotto i modelli TTS più recenti anziché tra quelli legacy. US$0.00003 per carattere (US$30 per 1 milione di caratteri) con il primo milione di caratteri gratuito ogni mese

fonte: documentazione ufficiale Google ↗

Usa Google TTS Chirp 3 HD in 30 secondi

Compatibile OpenAI: cambia la base_url, tieni il tuo SDK. POST /v1/chat/completions

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.chat.completions.create(
    model="google-tts-chirp3-hd",
    messages=[{"role": "user", "content": "Summarize this diff"}],
)
print(resp.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://synthorai.io/v1",
  apiKey: "sk-syn-...",
});

const resp = await client.chat.completions.create({
  model: "google-tts-chirp3-hd",
  messages: [{ role: "user", content: "Summarize this diff" }],
});
console.log(resp.choices[0].message.content);

curl https://synthorai.io/v1/chat/completions \
  -H "Authorization: Bearer sk-syn-..." \
  -H "Content-Type: application/json" \
  -d '{
    "model": "google-tts-chirp3-hd",
    "messages": [{"role": "user", "content": "Hello"}]
  }'

package main

import (
	"context"
	"fmt"

	"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-..."),
	)
	resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
		Model: "google-tts-chirp3-hd",
		Messages: []openai.ChatCompletionMessageParamUnion{
			openai.UserMessage("Summarize this diff"),
		},
	})
	fmt.Println(resp.Choices[0].Message.Content)
}

import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;

OpenAIClient client = OpenAIOkHttpClient.builder()
    .baseUrl("https://synthorai.io/v1")
    .apiKey("sk-syn-...")
    .build();

ChatCompletion resp = client.chat().completions().create(
    ChatCompletionCreateParams.builder()
        .model("google-tts-chirp3-hd")
        .addUserMessage("Summarize this diff")
        .build());
System.out.println(resp.choices().get(0).message().content().orElse(""));

Informazioni su Google TTS Chirp 3 HD

• La tabella comparativa indica gli agent conversazionali come uso previsto, e la pagina delle voci aggiunge che queste voci arrivano in 30 stili distinti in molte lingue, adatte ad applicazioni in tempo reale e standard, con controlli audio avanzati e comunicazione in tempo reale a bassa latenza tramite lo streaming del testo.
• Quest'ultimo punto è la linea più netta rispetto a Standard e Neural2: Chirp 3: HD è l'unico tipo di voce di quella tabella la cui colonna streaming riporta sì.
• Le voci prendono il nome da stelle anziché da lettere, Achernar, Algenib, Aoede, Charon, Kore, Leda, Puck, Sulafat, Zephyr, Zubenelgenubi e le altre, ciascuna pubblicata con un genere e combinata con un locale in id come en-US-Chirp3-HD-Charon.
• La copertura linguistica è un elenco BCP-47 pubblicato che va da ar-XA e bn-IN passando per cmn-CN, ja-JP e sw-KE fino a vi-VN, e il livello è in disponibilità generale sugli endpoint global, us ed eu oltre che su asia-southeast1, europe-west2 e asia-northeast1.
• Il formato di risposta predefinito è LINEAR16; lo streaming aggiunge ALAW, MULAW, OGG_OPUS e PCM, mentre il batch aggiunge in più MP3, quindi qui MP3 non è un'opzione in streaming.
• I suoi controlli sono specifici e tutti ancora in Preview: il ritmo tramite speaking_rate tra 0.25 e 2.0, i tag di pausa come [pause short] e [pause long] che funzionano solo nel campo di input markup e mai in text, le pronunce personalizzate in IPA o X-SAMPA e l'SSML limitato alle richieste sincrone, con i tag non elencati ignorati in silenzio.
• Google avverte che il modello può ignorare i tag di pausa collocati in modo innaturale.
• Il prezzo è di US$0.00003 per carattere, indicati come US$30 per 1 milione di caratteri, con il primo milione gratuito, e il livello resta fuori dallo scope della regionalizzazione e della residenza dei dati.
• Synthorai lo serve tramite l'endpoint /v1/audio/speech compatibile OpenAI.

FAQ

Modelli correlati

Confronta