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。
- 入力
- テキスト $4/M
- 出力
- 音声
- コンテキスト
- 4K
価格の位置づけ
同種 7 モデル中の料金の位置
このバーは、Synthorai 上の同種モデルの中でこのモデルの価格がどこに位置するかを示します。両端には最も安いモデルと最も高いモデルの名前が入ります。表示は基本料金で、バッチ・リージョン・キャッシュ書き込みの割引は料金ページにあります。
スペックと制限
音声合成
| 合成対応言語 | 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。 |
|---|---|
| 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。 |
| 入力上限 | 5,000 バイト この上限を公開する単位はベンダーごとに異なります。非ラテン文字では、バイト上限は文字数上限と一致しません。 |
| ストリーミング合成 | 非対応 |
| SSML | 対応 |
| 音声コントロール | 数値パラメータ |
| 指定できる項目 |
|
| 課金単位 | 入力文字数あたり マルチバイト文字は 1 文字として課金されます。 |
| エンドポイントと形式 |
|
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。
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)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(""));Google TTS Standard について
- 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。支払い方法を追加する前に、実際のワークロードで Google TTS Standard を試すには十分な量です。
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
比較
このページの値はすべてベンダー自身のドキュメント(上部にリンク)から転記し、確認した日付を付しています。価格はカタログ全体で比較しますが、ベンダーごとに定義が異なる仕様値は差異を明記するにとどめ、図表で比較はしません。当社が測定した数値はなく、スコアも付けていません。