Google TTS Chirp 3 HD vs Qwen3 TTS Instruct Flash
언제 어떤 모델을 쓸까
qwen3-tts-instruct-flash는 100만 자당 2.6배 저렴하고($11.5 대 $30) 평이한 말로 목소리를 지시할 수 있습니다. 다만 요청당 600자만 받고 google-tts-chirp3-hd는 5000바이트이므로 긴 원고는 쪼개야 합니다. 구글 쪽 모델은 로케일 목록이 더 넓고 수치형 음성 파라미터를 제공하며 SSML은 프리뷰입니다. 짧은 대사에 연출을 얹으려면 qwen3-tts-instruct-flash, 긴 텍스트와 로케일 폭이면 google-tts-chirp3-hd를 고르세요.
가격
| Google TTS Chirp 3 HD | Qwen3 TTS Instruct Flash | Δ | |
|---|---|---|---|
| 1M 문자당 | $30 | $11.5 | 2.6× |
빌드 시점에 실시간 카탈로그에서 가져온 요금입니다. 현재 요금은 각 모델 페이지에서 확인할 수 있습니다.
가격 위치: 이 과금 단위를 쓰는 음성 합성 모델 7개 전체의 1M 문자당 가격(로그 스케일)
기능
| Google TTS Chirp 3 HD | Qwen3 TTS Instruct Flash | |
|---|---|---|
| 스트리밍 | 지원 | 지원 |
| SSML | preview | undocumented |
| 과금 단위 | character | character |
사양
| Google TTS Chirp 3 HD | Qwen3 TTS Instruct Flash | |
|---|---|---|
| 입력 모달리티 | 텍스트 | 텍스트 |
| 출력 모달리티 | 오디오 | 오디오 |
| 출시일 | 2025-03 | - |
| 요청 제한 | 5000 bytes | 600 characters |
| 보이스 | 보이스는 별 이름을 따서 성별과 함께 공개됩니다. Achernar, Achird, Algenib, Algieba, Alnilam, Aoede, Autonoe, Callirrhoe, Charon, Despina, Enceladus, Erinome, Fenrir, Gacrux, Iapetus, Kore, Laomedeia, Leda, Orus, Pulcherrima, Puck, Rasalgethi, Sadachbia, Sadaltager, Schedar, Sulafat, Umbriel, Vindemiatrix, Zephyr, Zubenelgenubi. 로케일 접두사가 붙어 id를 이룹니다(예: en-US-Chirp3-HD-Charon). Google은 이 세트를 여러 언어에 걸친 30가지 서로 다른 스타일로 설명합니다. | 한 줄짜리 페르소나와 함께 공개된 시스템 보이스로, Cherry(밝고 긍정적이며 친근하고 자연스러운 젊은 여성), Serena, Ethan, Chelsie, Momo, Vivian, Moon, Maia, Kai, Nofish(권설음을 발음하지 못하는 디자이너), Bella, Eldric Sage, Mia, Mochi, Bellona, Vincent, Bunny, Neil, Elias, Arthur, Nini, Seren, Pip, Stella가 있습니다. Qwen-TTS 보이스 목록은 각 보이스를 그 보이스를 받아들이는 정확한 모델 id와 짝지어 둡니다. |
| 언어 | ar-XA, bn-IN, bg-BG, yue-HK, hr-HR, cs-CZ, da-DK, nl-BE, nl-NL, en-AU, en-IN, en-GB, en-US, et-EE, fi-FI, fr-CA, fr-FR, de-DE, el-GR, gu-IN, he-IL, hi-IN, hu-HU, id-ID, it-IT, ja-JP, kn-IN, ko-KR, lv-LV, lt-LT, ml-IN, cmn-CN, mr-IN, nb-NO, pl-PL, pt-BR, pa-IN, ro-RO, ru-RU, sr-RS, sk-SK, sl-SI, es-ES, es-US, sw-KE, sv-SE, ta-IN, te-IN, th-TH, tr-TR, uk-UA, ur-IN, vi-VN입니다. | 중국어(표준어), 영어, 독일어, 이탈리아어, 포르투갈어, 스페인어, 일본어, 한국어, 프랑스어, 러시아어. language_type은 혼합 언어이거나 판별되지 않은 입력에 대해 Auto가 기본값이며, Alibaba는 이 값이 정확도를 보장하지 않는다고 문서화합니다. 단일 언어를 지정하면 합성 품질이 크게 향상된다고 명시되어 있습니다. Qwen3-TTS-Flash 시리즈와 달리 Instruct 시리즈에는 중국어 방언 보이스(베이징, 상하이, 쓰촨, 난징, 산시, 민난, 톈진, 광둥)가 없습니다. |
| 음성 제어 |
|
|
| 제한 | synthesize 요청당 총 5,000바이트 콘텐츠 상한. 기본 응답 포맷은 LINEAR16이고, 스트리밍은 ALAW, MULAW, OGG_OPUS, PCM을 지원하며 배치는 MP3를 더하므로 스트리밍 경로에서는 MP3를 쓸 수 없습니다. Google 비교표가 스트리밍 가능으로 표시한 유일한 보이스 타입입니다. global, us, eu 엔드포인트와 asia-southeast1, europe-west2, asia-northeast1에서 정식 제공되지만, 리전화 및 데이터 레지던시 범위에서는 벗어나 있습니다. 과금은 공백과 줄바꿈을 포함한 문자 단위이며 <mark>을 제외한 모든 SSML 태그가 계산됩니다. | HTTP 비실시간 음성 합성 API이며, -realtime 접미사가 WebSocket 형제 모델을 표시합니다. 입력 텍스트는 600자로 제한되고 다국어 혼합 입력이 허용됩니다. 비스트리밍은 24시간 동안 유효한 오디오 파일 URL을 반환하고, 스트리밍은 Base64로 인코딩된 PCM을 청크로 반환하면서 URL은 마지막 패킷에만 담으며 공식 샘플에서는 24 kHz 모노 16비트 오디오로 재생됩니다. 과금은 입력 텍스트 문자 수 기준이며 usage.characters로 보고됩니다(Qwen3-TTS 시리즈에서 input_tokens와 output_tokens는 항상 0입니다). 출력 오디오는 무료입니다. |
사양은 각 공급자의 문서에서 그대로 옮겨 적었습니다. 공급자가 공개하지 않은 항목은 추정해 채우지 않고 뺐습니다. 전체 출처: Google TTS Chirp 3 HD · Qwen3 TTS Instruct Flash
코드 한 줄로 모델 전환
아래 탭마다 두 모델 id가 모두 들어 있습니다. 바꿀 곳은 강조된 두 줄뿐이고, 엔드포인트, 키, 요청 형식은 그대로입니다.
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.audio.transcriptions.create(
model="google-tts-chirp3-hd",
# model="qwen3-tts-instruct-flash", # 이 줄의 주석을 해제하고, 윗줄을 주석 처리하세요
file=open("meeting.mp3", "rb"),
language="en",
)
print(resp.text)import OpenAI from "openai";
import fs from "node:fs";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.audio.transcriptions.create({
model: "google-tts-chirp3-hd",
// model: "qwen3-tts-instruct-flash", // 이 줄의 주석을 해제하고, 윗줄을 주석 처리하세요
file: fs.createReadStream("meeting.mp3"),
});
console.log(resp.text);curl https://synthorai.io/v1/audio/transcriptions \
-H "Authorization: Bearer sk-syn-..." \
-F model="google-tts-chirp3-hd" \
# -F model="qwen3-tts-instruct-flash" \ # 이 줄의 주석을 해제하고, 윗줄을 주석 처리하세요
-F file=@meeting.mp3package main
import (
"context"
"fmt"
"os"
"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-..."),
)
f, _ := os.Open("meeting.mp3")
resp, _ := client.Audio.Transcriptions.New(context.TODO(), openai.AudioTranscriptionNewParams{
Model: "google-tts-chirp3-hd",
// Model: "qwen3-tts-instruct-flash", // 이 줄의 주석을 해제하고, 윗줄을 주석 처리하세요
File: f,
})
fmt.Println(resp.Text)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.audio.transcriptions.*;
import java.nio.file.Paths;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
Transcription resp = client.audio().transcriptions().create(
TranscriptionCreateParams.builder()
.model("google-tts-chirp3-hd")
// .model("qwen3-tts-instruct-flash") // 이 줄의 주석을 해제하고, 윗줄을 주석 처리하세요
.file(Paths.get("meeting.mp3"))
.build()).asTranscription();
System.out.println(resp.text());자주 묻는 질문
Google TTS Chirp 3 HD vs Qwen3 TTS Instruct Flash, 어느 쪽이 더 저렴한가요?
1M 문자당 기준으로는 Qwen3 TTS Instruct Flash 쪽이 더 저렴합니다($11.5 대 $30, 2.6배 차이). 다른 항목에서는 반대일 수 있습니다. 전체 요금은 위 표에 있으며, 실제 비용은 사용 패턴에 따라 달라집니다.
연동을 두 번 하지 않고도 Google TTS Chirp 3 HD vs Qwen3 TTS Instruct Flash A/B 테스트를 할 수 있나요?
네. 두 모델 모두 API 키 하나로 같은 OpenAI 호환 엔드포인트에서 호출합니다. 모델 문자열 한 줄만 바꾸면 전환되므로, 트래픽 일부를 각 모델로 보내 청구 금액을 직접 비교할 수 있습니다.
음성 합성(TTS)은 어떻게 과금되나요?
입력 텍스트의 글자 수만큼 과금되며, 요청당 글자 수 상한은 사양 표에 있습니다. 긴 스크립트는 어느 모델이든 여러 요청으로 나눠 보내야 합니다.