Google TTS Standard
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 Standard 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-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(""));Especificações e limites
Áudio
- Idiomas
- A maior amplitude de locales entre os tipos de voz do Cloud TTS. Ids de voz Standard são publicados para 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 e yue-HK.
- Limites de áudio
-
- Limite de conteúdo de 5.000 bytes no total por requisição de síntese (um único caractere ocupa vários bytes em alguns locales). Saída LINEAR16 (devolvida com cabeçalho WAV), MP3 a 32 kbps, OGG_OPUS ou G.711 MULAW e ALAW
- o sampleRateHertz opcional faz reamostragem e falha a requisição se a taxa não for suportada pela codificação. Não é oferecido na síntese em streaming
- a Long Audio Synthesis (Preview) cobre até 1 milhão de bytes de entrada de forma assíncrona. Cobrado por caractere, incluindo espaços e quebras de linha, e todas as tags SSML exceto <mark> contam
- em Standard e WaveNet um caractere multibyte é cobrado uma única vez
Tempo real
- Vozes
- Os ids de voz seguem um padrão de locale mais letra (en-US-Standard-A, cmn-CN-Standard-A). A tabela comparativa do Google lista o Standard como eficiente em custo, em disponibilidade geral, controlável via SSML e sem capacidade de streaming; a documentação atribui as vozes ao text-to-speech paramétrico passado por vocoders.
- Sessão
-
- Controles de AudioConfig: speakingRate de 0.25 a 2.0 (1.0 nativo)
- pitch de -20.0 a 20.0 semitons
- volumeGainDb de -96.0 a 16.0
- perfis de dispositivo effectsProfileId para wearable, aparelho telefônico, fone de ouvido, caixa de som Bluetooth pequena e média, grande sistema de home entertainment, áudio automotivo de grande porte e reprodução em telefonia
- as tags SSML incluem speak, break, say-as, sub, mark, prosody, emphasis, phoneme, voice e lang
Modelo
- Modalidades
- texto → áudio
O nível de vozes Standard do Google Cloud Text-to-Speech, agrupado com WaveNet e Studio sob Legacy TTS models na página de preços. US$0,000004 por caractere (US$4 por 1 milhão de caracteres) com os primeiros 4 milhões de caracteres gratuitos a cada mês, a maior franquia gratuita que a tabela de preços publica.
conforme documentação oficial da Google ↗
Sobre o Google TTS Standard
O Google TTS Standard expõe o nível de vozes Standard do Google Cloud Text-to-Speech, aquele que a própria tabela comparativa do Google rotula simplesmente como eficiente em custo.
- Suas vozes são a tecnologia mais antiga do catálogo, e a documentação diz isso sem rodeios: o text-to-speech paramétrico gera áudio passando as saídas por algoritmos de processamento de sinais conhecidos como vocoders, e muitas das vozes Standard usam uma variação dessa tecnologia, que é a razão honesta de elas soarem mais planas que os níveis generativos.
- A página de preços arquiva o Standard sob Legacy TTS models, ao lado de WaveNet e Studio, a US$0,000004 por caractere, cotado como US$4 por 1 milhão de caracteres, com os primeiros 4 milhões de caracteres de cada mês gratuitos, a maior franquia gratuita que a tabela de preços publica.
- O que o Standard abre mão em expressividade ele compensa em alcance.
- Os ids de voz seguem um padrão de locale mais letra, como en-US-Standard-A ou cmn-CN-Standard-A, e a tabela de vozes suportadas lista o Standard na maior amplitude de locales do produto, de af-ZA e eu-ES, passando por hi-IN, ja-JP e ur-IN, até yue-HK, bem além de onde chegam os níveis mais novos.
- A controlabilidade é SSML, com tags que incluem speak, break, prosody, emphasis, say-as, sub e phoneme, e o bloco AudioConfig acrescenta speakingRate de 0.25 a 2.0, pitch em 20 semitons para cada lado, volumeGainDb de -96 a 16, uma taxa de amostragem de saída opcional e os perfis de dispositivo effectsProfileId ajustados para wearables, aparelhos telefônicos, fones de ouvido, caixas de som Bluetooth, áudio automotivo e URA.
- A saída é LINEAR16 com cabeçalho WAV, MP3 a 32 kbps, OGG_OPUS ou G.711 MULAW e ALAW.
- Duas restrições importam: uma requisição carrega no máximo 5.000 bytes de conteúdo, e o Standard não é oferecido na síntese em streaming, de modo que texto longo significa o caminho assíncrono da Long Audio Synthesis ou o seu próprio fatiamento.
- A cobrança conta cada caractere, incluindo espaços, quebras de linha e tags SSML exceto mark, embora caracteres multibyte contem uma única vez no Standard.
- A Synthorai o serve pelo endpoint /v1/audio/speech compatível com OpenAI.
Perguntas frequentes
A API do Google TTS Standard é gratuita para testar?
Sim. Contas novas recebem 10 chamadas de teste e até $1 em créditos gratuitos, sem precisar de cartão. A $4/M de tokens de entrada, só esse crédito já cobre cerca de 61 requisições de ~4K tokens ao Google TTS Standard.
Em que o Google TTS Standard é melhor?
O nível que o google rotula como eficiente em custo; a maior amplitude de locales entre os tipos de voz do cloud tts; vozes paramétricas com ssml e perfis de dispositivo. Veja a seção Sobre para o quadro completo, extraído das notas de lançamento do próprio fornecedor.
Quanto custa o Google TTS Standard?
Na Synthorai, o Google TTS Standard custa $4 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 Standard suporta cache de prompts?
O Google TTS Standard 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 Standard?
Aponte seu SDK da OpenAI existente para base_url="https://synthorai.io/v1", defina model="google-tts-standard" e pronto. Uma única chave de API cobre todos os modelos do gateway.