Google TTS Standard

Specifiche e limiti

Il livello di voci Standard di Google Cloud Text-to-Speech, raggruppato con WaveNet e Studio sotto i modelli TTS legacy nella pagina dei prezzi. US$0.000004 per carattere (US$4 per 1 milione di caratteri) con i primi 4 milioni di caratteri gratuiti ogni mese, la franchigia gratuita più ampia che la tabella dei prezzi pubblichi.

fonte: documentazione ufficiale di Google ↗

Usa Google TTS Standard in 30 secondi

Compatibile con OpenAI: cambi base_url e 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-standard",
    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-standard",
  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-standard",
    "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-standard",
		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-standard")
        .addUserMessage("Summarize this diff")
        .build());
System.out.println(resp.choices().get(0).message().content().orElse(""));

Informazioni su Google TTS Standard

• Le sue voci sono la tecnologia più vecchia del catalogo e la documentazione lo dice apertamente: la sintesi vocale parametrica genera l'audio facendo passare gli output attraverso algoritmi di elaborazione del segnale noti come vocoder, e molte delle voci Standard usano una variante di quella tecnologia, che è la ragione onesta per cui suonano più piatte dei livelli generativi.
• La pagina dei prezzi archivia Standard sotto i modelli TTS legacy accanto a WaveNet e Studio, a US$0.000004 per carattere, indicati come US$4 per 1 milione di caratteri, con i primi 4 milioni di caratteri gratuiti ogni mese, la franchigia gratuita più ampia che la tabella dei prezzi pubblichi.
• Quello a cui Standard rinuncia in espressività lo recupera in ampiezza.
• Gli id delle voci seguono uno schema locale più lettera come en-US-Standard-A o cmn-CN-Standard-A, e la tabella delle voci supportate elenca Standard sulla gamma di locale più ampia del prodotto, da af-ZA e eu-ES passando per hi-IN, ja-JP e ur-IN fino a yue-HK, ben oltre il punto in cui arrivano i livelli più recenti.
• La controllabilità è l'SSML, con tag tra cui speak, break, prosody, emphasis, say-as, sub e phoneme, e il blocco AudioConfig aggiunge speakingRate da 0.25 a 2.0, pitch entro 20 semitoni in entrambe le direzioni, volumeGainDb da -96 a 16, una frequenza di campionamento in uscita opzionale e i profili di dispositivo effectsProfileId tarati per indossabili, telefoni, cuffie, altoparlanti Bluetooth, audio per auto e IVR.
• L'output è LINEAR16 con header WAV, MP3 a 32 kbps, OGG_OPUS oppure G.711 MULAW e ALAW.
• Contano due vincoli: una richiesta porta al massimo 5.000 byte di contenuto, e Standard non è offerto sulla sintesi in streaming, quindi un testo lungo significa il percorso asincrono Long Audio Synthesis oppure una segmentazione fatta da te.
• La fatturazione conta ogni carattere, inclusi spazi, a capo e tag SSML tranne mark, anche se per Standard i caratteri multibyte contano una volta sola.
• Synthorai lo serve tramite l'endpoint /v1/audio/speech compatibile OpenAI.

FAQ

Modelli correlati

Confronta