Google TTS Neural2
ベンダー定価。プラットフォーム手数料なし、従量課金。 これらは公式 list 価格です。ログイン中のお客様は /console/pricing でワークスペース割引を含む実効価格を確認できます。
30 秒で Google TTS Neural2 を使う
OpenAI 互換。base_url を差し替えるだけで、SDK はそのまま。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-neural2",
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-neural2",
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-neural2",
"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-neural2",
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-neural2")
.addUserMessage("Summarize this diff")
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));スペックと制限
音声
- 言語
- Standard よりもずっと短いロケールリスト。Neural2 のボイス id は 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、vi-VN 向けに公開されています。Google は Neural2 のボイスがグローバルエンドポイントと単一リージョンエンドポイントで利用できると注記しています。
- 音声の制限
-
- synthesize リクエスト 1 件あたり合計 5,000 バイトのコンテンツ上限。
- 出力は LINEAR16(WAV ヘッダー付き)、32 kbps の MP3、OGG_OPUS、または G.711 の MULAW と ALAW。
- 任意の sampleRateHertz はリサンプリングを行い、そのエンコーディングでレートが非対応の場合はリクエストが失敗します。
- ストリーミング合成では提供されません。
- 課金はスペースと改行を含む文字単位で、<mark> を除くすべての SSML タグが数えられます。
- マルチバイト文字が 1 回だけ数えられるという注記は Standard と WaveNet にのみ適用されます。
リアルタイム
- ボイス
- ボイス id はロケールと文字を組み合わせたパターンに従います(en-US-Neural2-F、ja-JP-Neural2-B)。Google の比較表は Neural2 を、汎用で、一般提供され、SSML で制御可能で、ストリーミングには非対応と掲載しており、ドキュメントはこれらのボイスが Custom Voice を作成するのに使われるのと同じ技術に基づいていると述べています。これにより、誰もが自分専用のものを学習させることなく Custom Voice の技術を使えます。
- セッション
-
- AudioConfig の制御: speakingRate は 0.25 から 2.0(1.0 がネイティブ)
- pitch は -20.0 から 20.0 半音
- volumeGainDb は -96.0 から 16.0
- effectsProfileId はウェアラブル、ハンドセット、ヘッドホン、小型および中型 Bluetooth スピーカー、大型ホームエンターテインメント、大型車載、電話回線再生向けのデバイスプロファイル
- SSML タグには speak、break、say-as、sub、mark、prosody、emphasis、phoneme、voice、lang が含まれます
モデル
- モダリティ
- テキスト → 音声
- Google Cloud Text-to-Speech の Neural2 ボイスティアで、価格ページでは今もレガシー TTS モデルの下にまとめられています。
- 1 文字あたり US$0.000016(100 万文字あたり US$16)で、毎月最初の 100 万文字が無料、Standard の 400 万文字に対する数字です。
Google TTS Neural2 について
Google TTS Neural2 は Google Cloud Text-to-Speech の Neural2 ボイスティアを公開するもので、そのボイスがどこから来ているかについての Google の説明は異例なほど具体的です。
- Neural2 のボイスは Custom Voice を作成するのに使われるのと同じ技術に基づいており、このティアは、誰もが自分専用のカスタムボイスを学習させることなく Custom Voice の技術を使えるようにするために存在します。
- 比較表はこれを汎用と呼び、一般提供と記し、制御性を SSML としています。
- これは Standard と WaveNet が持つのと同じプロファイルです。
- このティアが自らを名乗るのは価格においてで、1 文字あたり US$0.000016、100 万文字あたり US$16 と表示され、毎月最初の無料分は Standard の 400 万文字ではなく 100 万文字です。
- 価格ページは今もこれをレガシー TTS モデルの下にまとめています。
- その品質と引き換えになるのが到達範囲です。
- Standard がアフリカーンス語から広東語までのロケールにまたがるのに対し、Neural2 のボイス id はもっと短いリストにしか現れません。
- 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、vi-VN であり、en-US-Neural2-F のようなおなじみのロケールと文字を組み合わせた形で命名されています。
- Google は Neural2 がグローバルエンドポイントと単一リージョンエンドポイントで利用できると注記しています。
- 運用面はすべて従来の API の他の部分と共通で、SSML 入力、0.25 から 2.0 までの speakingRate、上下それぞれ 20 ポイントの範囲を半音で表す pitch、-96 から 16 までの volumeGainDb、任意の合成サンプルレート、ウェアラブルから電話回線までのデバイスプロファイル、そして LINEAR16、MP3、OGG_OPUS、MULAW、ALAW としての出力が該当します。
- 1 リクエストあたり 5,000 バイトという同じコンテンツ上限が適用され、Standard と同様に Neural2 はストリーミング合成では提供されません。
- これが Chirp 3: HD に対して手放す具体的な能力です。
- 課金はスペースと mark 以外の SSML タグを含む文字数を数えます。
- Synthorai は OpenAI 互換の /v1/audio/speech エンドポイント経由でこれを提供します。
よくある質問
Google TTS Neural2 API は無料で試せますか?
はい。新規アカウントには 10 回のトライアル呼び出しと最大 $1 の無料クレジットが付与され、カード登録は不要です。入力 $16/M で計算すると、このクレジットだけで Google TTS Neural2 に対して約 15 回の ~4K トークンのリクエストを送れます。
Google TTS Neural2 は何が得意ですか?
カスタムボイスを学習させずに使える Custom Voice の技術、Standard よりずっと短いロケールリスト、汎用かつ SSML で制御可能、ただしストリーミングなし。全体像はベンダー公式のリリースノートに基づく「このモデルについて」セクションをご覧ください。
Google TTS Neural2 の料金はいくらですか?
Synthorai 上の Google TTS Neural2 は入力 100 万トークンあたり $16、出力 100 万トークンあたり $0 です。ベンダー定価のままで、プラットフォーム手数料はありません。
Google TTS Neural2 はプロンプトキャッシュに対応していますか?
Google TTS Neural2 には現在 Synthorai 上でキャッシュ読み取り割引がありません。ゲートウェイ上の他のモデルではプロンプトキャッシュが引き続き利用できます。キャッシュ対応の代替モデルは料金表をご覧ください。 プロバイダー別キャッシュ比較 →
Google TTS Neural2 を利用するには?
お使いの OpenAI SDK の base_url を "https://synthorai.io/v1" に向け、model="google-tts-neural2" を設定すれば完了です。API キー 1 本でゲートウェイ上のすべてのモデルを利用できます。