🎁 新規 無料登録、10回の呼び出しを進呈。最大 $1、カード不要。

Google TTS Standard

Google 音声合成SSML
入力$4/M
コンテキスト4K
GPT-4o 比約 20% 割安

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 Standard 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-standard",
    messages=[{"role": "user", "content": "Summarize this diff"}],
)
print(resp.choices[0].message.content)

スペックと制限

音声

言語
Cloud TTS のどのボイスタイプよりも広いロケール範囲。Standard のボイス id は 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、yue-HK 向けに公開されています。
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(一部のロケールでは 1 文字が複数バイトになります)。
  • 出力は LINEAR16(WAV ヘッダー付きで返却)、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。
  • Long Audio Synthesis(プレビュー)は最大 100 万バイトの入力を非同期でカバーします。
  • 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。
  • Standard と WaveNet ではマルチバイト文字は 1 回だけ課金されます。

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-Standard-A、cmn-CN-Standard-A)。Google の比較表は Standard を、コスト効率が高く、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います。ドキュメントはこれらのボイスを、ボコーダーを通したパラメトリック音声合成によるものとしています。
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 Standard ボイスティアで、価格ページでは WaveNet および Studio とともにレガシー TTS モデルの下にまとめられています。
  • 1 文字あたり US$0.000004(100 万文字あたり US$4)で、毎月最初の 400 万文字が無料です。
  • これは価格表が公開している中で最大の無料枠です。

出典:Google 公式ドキュメント ↗

Google TTS Standard について

Google がコスト効率が高いと表示するティア
Cloud TTS のどのボイスタイプより広いロケール範囲
SSML とデバイスプロファイルを備えたパラメトリックボイス

Google TTS Standard は Google Cloud Text-to-Speech の Standard ボイスティアを公開するもので、Google 自身の比較表が端的にコスト効率が高いと表示しているティアです。

  • そのボイスはカタログの中で最も古い技術であり、ドキュメントもそれをはっきり述べています。
  • パラメトリック音声合成はボコーダーとして知られる信号処理アルゴリズムに出力を通して音声を生成するものであり、Standard のボイスの多くはその技術の変種を使っています。
  • これが、生成系のティアより平板に聞こえることの率直な理由です。
  • 価格ページは Standard を WaveNet と Studio の隣、レガシー TTS モデルの下に分類しており、1 文字あたり US$0.000004、100 万文字あたり US$4 と表示され、毎月最初の 400 万文字が無料です。
  • これは価格表が公開している中で最大の無料枠です。
  • Standard が表現力で手放したものは、到達範囲で埋め合わされます。
  • ボイス id は en-US-Standard-A や cmn-CN-Standard-A のようなロケールと文字を組み合わせたパターンに従い、対応ボイスの表は Standard をこの製品で最も広いロケール範囲にわたって掲載しています。
  • af-ZA と eu-ES から hi-IN、ja-JP、ur-IN を経て yue-HK まで、より新しいティアが届く範囲をはるかに超えています。
  • 制御性は SSML で、タグには speak、break、prosody、emphasis、say-as、sub、phoneme が含まれ、AudioConfig ブロックがさらに 0.25 から 2.0 までの speakingRate、上下それぞれ 20 半音にわたる pitch、-96 から 16 までの volumeGainDb、任意の出力サンプルレート、そしてウェアラブル、ハンドセット、ヘッドホン、Bluetooth スピーカー、車載オーディオ、IVR 向けに調整された effectsProfileId のデバイスプロファイルを加えます。
  • 出力は WAV ヘッダー付きの LINEAR16、32 kbps の MP3、OGG_OPUS、または G.711 の MULAW と ALAW です。
  • 重要な制約が 2 つあります。
  • 1 リクエストが運べるコンテンツは最大 5,000 バイトであること、そして Standard はストリーミング合成では提供されないことです。
  • したがって長いテキストは非同期の Long Audio Synthesis 経路か、自前のチャンク分割を意味します。
  • 課金はスペース、改行、そして mark を除く SSML タグを含むすべての文字を数えますが、Standard ではマルチバイト文字が 1 回として数えられます。
  • 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 Standard 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 $4/M で計算すると、このクレジットだけで Google TTS Standard に対して約 61 回の ~4K トークンのリクエストを送れます。

Google TTS Standard は何が得意ですか?

Google がコスト効率が高いと表示するティア、Cloud TTS のどのボイスタイプより広いロケール範囲、SSML とデバイスプロファイルを備えたパラメトリックボイス。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 Standard の料金はいくらですか?

Synthorai 上の Google TTS Standard は入力 100 万トークンあたり $4、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 Standard はプロンプトキャッシュに対応していますか?

Google TTS Standard 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 Standard 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-standard" 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。

関連モデル

無料の API キーを取得 コストを比較する →