Google TTS Neural2 vs Google TTS Standard

vs

언제 어떤 모델을 쓸까

google-tts-standard는 4배 저렴한 100만 자당 $4 대 $16이며 이 계열에서 가장 넓은 로케일 범위를 가집니다. neural2는 품질이 더 높은 합성이지만 로케일 목록이 17개로 훨씬 짧습니다. 둘 다 스트리밍하지 않고 요청당 5000바이트를 받으며 SSML과 수치형 음성 파라미터를 지원합니다 - 그리고 standard는 멀티바이트 문자를 한 번만 계산해 CJK 원고에서 차이가 납니다. 도달 범위와 비용이면 standard, 로케일이 커버되고 품질이 중요하면 neural2를 고르세요.

가격

Google TTS Neural2 Google TTS Standard Δ
1M 문자당 $16 $4 4×

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 Neural2 Google TTS Standard
스트리밍 미지원 미지원
SSML supported supported
과금 단위 character character

사양

Google TTS Neural2 Google TTS Standard
입력 모달리티 텍스트 텍스트
출력 모달리티 오디오 오디오
출시일 2022-06-27 2018-03-27
요청 제한 5000 bytes 5000 bytes
보이스 보이스 id는 로케일에 문자를 붙인 패턴을 따릅니다(en-US-Neural2-F, ja-JP-Neural2-B). Google 비교표는 Neural2를 범용, 정식 제공, SSML로 제어 가능, 스트리밍 불가로 표기하고, 문서는 이 보이스들이 Custom Voice를 만드는 데 쓰이는 것과 동일한 기술에 기반하며 누구든 자신의 커스텀 보이스를 학습시키지 않고도 Custom Voice 기술을 쓸 수 있게 해 준다고 밝힙니다. 보이스 id는 로케일에 문자를 붙인 패턴을 따릅니다(en-US-Standard-A, cmn-CN-Standard-A). Google 비교표는 Standard를 비용 효율적, 정식 제공, SSML로 제어 가능, 스트리밍 불가로 표기하며, 문서는 이 보이스들을 보코더를 거치는 파라메트릭 텍스트 음성 변환으로 설명합니다.
언어 Standard보다 훨씬 짧은 로케일 목록. Neural2 보이스 id는 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-VN에 대해 공개되어 있습니다. Google은 Neural2 보이스가 글로벌 엔드포인트와 단일 리전 엔드포인트에서 제공된다고 밝힙니다. Cloud TTS 보이스 타입 중 가장 넓은 로케일 범위. Standard 보이스 id는 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-HK에 대해 공개되어 있습니다.
음성 제어
  • AudioConfig 제어: speakingRate 0.25에서 2.0까지(원음은 1.0)
  • pitch -20.0에서 20.0 세미톤
  • volumeGainDb -96.0에서 16.0
  • effectsProfileId 기기 프로필은 웨어러블, 핸드셋, 헤드폰, 소형 및 중형 블루투스 스피커, 대형 홈 엔터테인먼트, 대형 차량용, 텔레포니 재생용
  • SSML 태그로는 speak, break, say-as, sub, mark, prosody, emphasis, phoneme, voice, lang 등
  • AudioConfig 제어: speakingRate 0.25에서 2.0까지(원음은 1.0)
  • pitch -20.0에서 20.0 세미톤
  • volumeGainDb -96.0에서 16.0
  • effectsProfileId 기기 프로필은 웨어러블, 핸드셋, 헤드폰, 소형 및 중형 블루투스 스피커, 대형 홈 엔터테인먼트, 대형 차량용, 텔레포니 재생용
  • SSML 태그로는 speak, break, say-as, sub, mark, prosody, emphasis, phoneme, voice, lang 등
제한 synthesize 요청당 총 5,000바이트 콘텐츠 상한. 출력은 LINEAR16(WAV 헤더 포함), 32 kbps MP3, OGG_OPUS, 또는 G.711 MULAW와 ALAW이며, 선택적 sampleRateHertz는 리샘플링하고 해당 인코딩에서 지원되지 않는 레이트면 요청이 실패합니다. 스트리밍 합성으로는 제공되지 않습니다. 과금은 공백과 줄바꿈을 포함한 문자 단위이며 <mark>을 제외한 모든 SSML 태그가 계산되고, 멀티바이트 문자를 한 번만 센다는 설명은 Standard와 WaveNet에만 해당합니다. synthesize 요청당 총 5,000바이트 콘텐츠 상한(일부 로케일에서는 문자 하나가 여러 바이트입니다). 출력은 LINEAR16(WAV 헤더와 함께 반환), 32 kbps MP3, OGG_OPUS, 또는 G.711 MULAW와 ALAW이며, 선택적 sampleRateHertz는 리샘플링하고 해당 인코딩에서 지원되지 않는 레이트면 요청이 실패합니다. 스트리밍 합성으로는 제공되지 않으며, Long Audio Synthesis(프리뷰)가 최대 100만 바이트 입력을 비동기로 처리합니다. 과금은 공백과 줄바꿈을 포함한 문자 단위이고 <mark>을 제외한 모든 SSML 태그가 계산되며, Standard와 WaveNet에서는 멀티바이트 문자를 한 번만 청구합니다.

사양은 각 공급자의 문서에서 그대로 옮겨 적었습니다. 공급자가 공개하지 않은 항목은 추정해 채우지 않고 뺐습니다. 전체 출처: Google TTS Neural2 · Google TTS Standard

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-neural2",
    # model="google-tts-standard",  # 이 줄의 주석을 해제하고, 윗줄을 주석 처리하세요
    file=open("meeting.mp3", "rb"),
    language="en",
)
print(resp.text)

API 키 받기 →

자주 묻는 질문

Google TTS Neural2 vs Google TTS Standard, 어느 쪽이 더 저렴한가요?

1M 문자당 기준으로는 Google TTS Standard 쪽이 더 저렴합니다($4 대 $16, 4.0배 차이). 다른 항목에서는 반대일 수 있습니다. 전체 요금은 위 표에 있으며, 실제 비용은 사용 패턴에 따라 달라집니다.

연동을 두 번 하지 않고도 Google TTS Neural2 vs Google TTS Standard 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.

관련 비교

직접 측정한 자료