Google TTS Chirp 3 HD

Google Síntese de vozStreaming

Entrada$30/M

Contexto4K

Preços de tabela do provedor: sem margem da plataforma, pagamento por uso. Estes são os preços de tabela oficiais. Clientes autenticados podem ver os preços efetivos com descontos do espaço de trabalho em /console/pricing.

Use o Google TTS Chirp 3 HD em 30 segundos

Compatível com OpenAI: troque a base_url, mantenha seu SDK. 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-chirp3-hd",
    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-chirp3-hd",
  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-chirp3-hd",
    "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-chirp3-hd",
		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-chirp3-hd")
        .addUserMessage("Summarize this diff")
        .build());
System.out.println(resp.choices().get(0).message().content().orElse(""));

Especificações e limites

Áudio

Idiomas: 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 e vi-VN.
Limites de áudio: Limite de conteúdo de 5.000 bytes no total por requisição de síntese. Formato de resposta padrão LINEAR16
o streaming suporta ALAW, MULAW, OGG_OPUS e PCM, e o modo em lote acrescenta MP3, de modo que MP3 não está disponível no caminho de streaming. É o único tipo de voz que a tabela comparativa do Google marca como capaz de streaming. Em disponibilidade geral nos endpoints global, us e eu, além de asia-southeast1, europe-west2 e asia-northeast1, mas fora do escopo de regionalização e residência de dados. Cobrado por caractere, incluindo espaços e quebras de linha, com todas as tags SSML exceto <mark> contadas

Tempo real

Vozes: As vozes recebem nomes de estrelas e são publicadas com um gênero: 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 e Zubenelgenubi. Um prefixo de locale forma o id, por exemplo en-US-Chirp3-HD-Charon. O Google descreve o conjunto como 30 estilos distintos em muitos idiomas.
Sessão: Os controles de voz são Preview: ritmo via speaking_rate de 0.25 a 2.0
tags de pausa [pause short], [pause long] e [pause] aceitas apenas no campo de entrada markup, nunca em text, e o modelo pode desconsiderar tags colocadas de forma não natural
pronúncias customizadas em IPA ou X-SAMPA
o suporte a SSML é Preview e apenas síncrono, não suportado em requisições de streaming, com as tags não listadas ignoradas e say-as interpret-as=expletive ou bleep não suportados

Modelo

Modalidades: texto → áudio

A geração mais recente de text-to-speech do Google, movida por seus modelos generativos mais recentes e descrita como entregando realismo e ressonância emocional
a tabela comparativa nomeia agentes conversacionais como o uso pretendido e a página de preços a lista sob Latest TTS models, e não sob Legacy. US$0,00003 por caractere (US$30 por 1 milhão de caracteres) com o primeiro 1 milhão de caracteres gratuito a cada mês

conforme documentação oficial da Google ↗

Sobre o Google TTS Chirp 3 HD

30 estilos distintos em muitos idiomas

Vozes com nomes de estrelas e streaming de texto de baixa latência

Ritmo, tags de pausa e pronúncias customizadas em preview

O Google TTS Chirp 3: HD é o nível que o Google chama de a geração mais recente da tecnologia de Text-to-Speech, movida por sua geração mais recente de modelos generativos e descrita como entregando realismo e ressonância emocional.

A tabela comparativa nomeia agentes conversacionais como o uso pretendido, e a página de vozes acrescenta que essas vozes vêm em 30 estilos distintos em muitos idiomas, adequadas a aplicações em tempo real e padrão, com controles de áudio avançados e comunicação em tempo real de baixa latência usando streaming de texto.
Esse último ponto é a linha mais nítida diante de Standard e Neural2: o Chirp 3: HD é o único tipo de voz daquela tabela cuja coluna de streaming diz sim.
As vozes recebem nomes de estrelas em vez de letras: Achernar, Algenib, Aoede, Charon, Kore, Leda, Puck, Sulafat, Zephyr, Zubenelgenubi e as demais, cada uma publicada com um gênero e combinada com um locale em ids como en-US-Chirp3-HD-Charon.
A cobertura de idiomas é uma lista BCP-47 publicada que vai de ar-XA e bn-IN, passando por cmn-CN, ja-JP e sw-KE, até vi-VN, e o nível está em disponibilidade geral nos endpoints global, us e eu, além de asia-southeast1, europe-west2 e asia-northeast1.
O formato de resposta padrão é LINEAR16; o streaming acrescenta ALAW, MULAW, OGG_OPUS e PCM, enquanto o modo em lote acrescenta MP3 por cima, de modo que MP3 não é uma opção de streaming aqui.
Seus controles são próprios e todos ainda em Preview: o ritmo por speaking_rate entre 0.25 e 2.0, tags de pausa como [pause short] e [pause long] que funcionam apenas no campo de entrada markup e nunca em text, pronúncias customizadas em IPA ou X-SAMPA, e SSML restrito a requisições síncronas, com as tags não listadas silenciosamente ignoradas.
O Google adverte que o modelo pode desconsiderar tags de pausa colocadas de forma não natural.
O preço é de US$0,00003 por caractere, cotado como US$30 por 1 milhão de caracteres, com o primeiro 1 milhão gratuito, e o nível fica fora do escopo de regionalização e residência de dados.
A Synthorai o serve pelo endpoint /v1/audio/speech compatível com OpenAI.

Documentação oficial da Google ↗

Perguntas frequentes

A API do Google TTS Chirp 3 HD é gratuita para testar?

Sim. Contas novas recebem 10 chamadas de teste e até $1 em créditos gratuitos, sem precisar de cartão. A $30/M de tokens de entrada, só esse crédito já cobre cerca de 8 requisições de ~4K tokens ao Google TTS Chirp 3 HD.

Em que o Google TTS Chirp 3 HD é melhor?

30 estilos distintos em muitos idiomas; vozes com nomes de estrelas e streaming de texto de baixa latência; ritmo, tags de pausa e pronúncias customizadas em preview. Veja a seção Sobre para o quadro completo, extraído das notas de lançamento do próprio fornecedor.

Quanto custa o Google TTS Chirp 3 HD?

Na Synthorai, o Google TTS Chirp 3 HD custa $30 por milhão de tokens de entrada e $0 por milhão de tokens de saída. É o preço de tabela do provedor, sem margem da plataforma.

O Google TTS Chirp 3 HD suporta cache de prompts?

O Google TTS Chirp 3 HD não tem desconto de leitura de cache na Synthorai hoje. O cache de prompts continua valendo para outros modelos do gateway; veja na tabela de preços as alternativas com cache habilitado. Comparativo de cache entre provedores →

Como obtenho acesso ao Google TTS Chirp 3 HD?

Aponte seu SDK da OpenAI existente para base_url="https://synthorai.io/v1", defina model="google-tts-chirp3-hd" e pronto. Uma única chave de API cobre todos os modelos do gateway.

Modelos relacionados

chirp-2 $0.016/min chirp-3 $0.016/min veo-2.0-generate-001 $0.5/s Qwen3 TTS Instruct Flash $11.5/M in TTS-1 $15/M in BytePlus Seed TTS 2.0 $30/M in

Obtenha sua chave de API gratuita Compare seu custo →