Google TTS Neural2

發布於 2022-06-27

Google TTS Neural2 開放的是 Google Cloud Text-to-Speech 的 Neural2 音色等級,而 Google 對它的描述,在音色從何而來這一點上格外具體:Neural2 音色基於與打造 Custom Voice 相同的技術,這一等級之所以存在,就是為了讓任何人都能用上 Custom Voice 技術,而不必訓練自己的客製音色。

輸入
文字 $16/M
輸出
音訊
上下文
4K

價格在同類中的位置

價格在 7 個同類模型中的位置

輸入$16/M
$4 · Google TTS Standard Google TTS Chirp 3 HD · $30

這條線標出這個模型的價格,在 Synthorai 的同類模型裡落在什麼位置;兩端分別是最便宜和最貴的模型。這裡列的是基礎價,批次、區域和快取寫入的折扣請見價格頁。

規格與限制

文字轉語音

合成語言 語言區域清單比 Standard 短得多。Neural2 音色 id 已公布於 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 與 vi-VN。Google 指出 Neural2 音色在全域端點與單一區域端點上皆可使用。
聲音 音色 id 採用語言區域加字母的形式(en-US-Neural2-F、ja-JP-Neural2-B)。Google 的對照表把 Neural2 列為通用型、已正式發布、可透過 SSML 控制,且不具備串流能力;文件並說明這些音色基於與打造 Custom Voice 相同的技術,讓任何人都能用上 Custom Voice 技術,而不必自行訓練。
輸入上限 5,000 位元組 各家供應商公布這個上限時用的單位不一樣:對非拉丁文字來說,位元組上限不等於字元上限。
串流合成 不支援
SSML 支援
聲音控制 數值參數
可接受的控制項
  • AudioConfig 控制項:speakingRate 0.25 到 2.0(原生為 1.0)
  • pitch -20.0 到 20.0 個半音
  • volumeGainDb -96.0 到 16.0
  • effectsProfileId 裝置設定檔,涵蓋穿戴裝置、手機、耳機、小型與中型藍牙喇叭、大型家庭娛樂、大型車載與電話語音播放
  • SSML 標籤包括 speak、break、say-as、sub、mark、prosody、emphasis、phoneme、voice 與 lang
計費單位 按輸入字元計費 供應商沒有說明多位元組字元是否算一個字元,所以單憑這個費率估算中日韓文字的成本,並沒有文件依據。
端點與格式
  • 每次 synthesize 請求的內容上限為 5,000 位元組。
  • 輸出 LINEAR16(附 WAV 檔頭)、32 kbps 的 MP3、OGG_OPUS,或 G.711 MULAW 與 ALAW
  • 可選的 sampleRateHertz 會重新取樣,若該取樣率不受該編碼支援則請求失敗。
  • 不在串流合成上提供。
  • 按字元計費,含空格與換行,且除 <mark> 以外的所有 SSML 標籤都計入
  • 多位元組只收費一次的規則僅適用於 Standard 與 WaveNet。

模型

模態 文字 → 音訊
  • Google Cloud Text-to-Speech 的 Neural2 音色等級,在定價頁上仍歸在 Legacy TTS models 之下。
  • 每字元 US$0.000016(每 100 萬字元 US$16),每月前 100 萬字元免費,相對於 Standard 的 400 萬。

依據 Google 官方文件 ↗

30 秒上手 Google TTS Neural2

相容 OpenAI:換掉 base_url,SDK 不用換。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-neural2",
    messages=[{"role": "user", "content": "Summarize this diff"}],
)
print(resp.choices[0].message.content)

關於 Google TTS Neural2

  • 對照表稱它為通用型,標記為正式發布,並把它的可控性列為 SSML,與 Standard 和 WaveNet 是同一套規格。
  • 價格是這一等級自我宣告的地方:每字元 US$0.000016,標示為每 100 萬字元 US$16,每月前 100 萬字元免費,而不是 Standard 的 400 萬;定價頁仍把它歸在 Legacy TTS models 之下。
  • 換取那份品質的代價是覆蓋面。
  • Standard 的語言區域從南非荷蘭語一路橫跨到粵語,Neural2 的音色 id 則只出現在短得多的一份清單上: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 與 vi-VN,命名沿用熟悉的語言區域加字母形式,例如 en-US-Neural2-F。
  • Google 指出 Neural2 在全域端點與單一區域端點上都可使用。
  • 運作面的一切都與這套傳統 API 的其餘部分共享:SSML 輸入、0.25 到 2.0 的 speakingRate、上下各 20 個半音的 pitch、-96 到 16 的 volumeGainDb、可選的合成取樣率、從穿戴裝置到電話語音的裝置設定檔,以及 LINEAR16、MP3、OGG_OPUS、MULAW 或 ALAW 的輸出。
  • 同樣的單次請求 5,000 位元組內容上限適用,而且與 Standard 一樣,Neural2 不在串流合成上提供,這正是相對 Chirp 3: HD 你具體讓出的那項能力。
  • 計費計算字元,含空格與 mark 以外的 SSML 標籤。
  • Synthorai 透過 OpenAI 相容的 /v1/audio/speech 端點提供它。

常見問題

Google TTS Neural2 API 可以免費試用嗎?

可以,新帳號有 10 次試用呼叫和最高 $1 的免費額度,免綁卡。在綁定付款方式之前,就足夠你拿實際的工作負載試試 Google TTS Neural2。

Google TTS Neural2 最擅長什麼?

不必訓練客製音色也能用 custom voice 技術、語言區域清單遠短於 standard、通用型且可用 ssml 控制,但沒有串流。完整介紹請見「關於」一節,內容取自供應商官方的發布說明。

Google TTS Neural2 的價格是多少?

在 Synthorai 上,Google TTS Neural2 的輸入價是每百萬 token $16,輸出價是每百萬 token $0。這就是供應商官網價,平台不加價。

Google TTS Neural2 支援提示詞快取(prompt caching)嗎?

Google TTS Neural2 目前在 Synthorai 上沒有快取讀取折扣。閘道上的其他模型仍支援提示詞快取,可以到價格表查看支援快取的替代模型。 各供應商快取比較 →

如何開通 Google TTS Neural2?

把現有 OpenAI SDK 的 base_url 指向 "https://synthorai.io/v1",model 設為 "google-tts-neural2" 就可以了。一把 API 金鑰就能呼叫閘道上的所有模型。

相關模型

比較

本頁每一個數值都摘錄自供應商自己的文件(連結見上方),並附上查核日期。價格是放在整個目錄裡比較;各家供應商定義不一樣的規格,只說明差異,不畫成圖表比較。這裡沒有任何數據是我們自己量測的,也不做評分。

取得 API 金鑰 算算你的成本 →