Google TTS Neural2 vs Google TTS Standard
vs
什么时候选哪个
google-tts-standard 便宜 4 倍,每百万字符 $4 对 $16,并且是这条产品线里语言区跨度最广的一个;neural2 是质量更高的合成,但语言区列表短得多,只有 17 个。两者都不支持流式,每次请求都接受 5000 字节,都支持 SSML 和数值型语音参数——而且 standard 对多字节字符只计一次,这对中日韩文案很关键。要覆盖面和成本选 standard,语言区已被覆盖且看重质量时选 neural2。
价格
| Google TTS Neural2 | Google TTS Standard | Δ | |
|---|---|---|---|
| 每 1M 字符 | $16 | $4 | 4× |
价格取自构建时的实时目录,最新价格见各模型页面。
两个模型所处的位置:全部 7 个按同一单位计费的文字转语音模型的每 1M 字符价格分布(对数刻度)
Google TTS Neural2 · $16 Google TTS Standard · $4
$4 · Google TTS Standard $30 · Google TTS Chirp 3 HD
能力
| Google TTS Neural2 | Google TTS Standard | |
|---|---|---|
| 流式输出 | 否 | 否 |
| SSML | supported | supported |
| 计费单位 | character | character |
规格
| Google TTS Neural2 | Google TTS Standard | |
|---|---|---|
| 输入模态 | 文本 | 文本 |
| 输出模态 | 音频 | 音频 |
| 发布日期 | 2022-06-27 | 2018-03-27 |
| 请求限制 | 5000 bytes | 5000 bytes |
| 音色 | 音色 id 采用语言区域加字母的形式(en-US-Neural2-F、ja-JP-Neural2-B)。Google 的对比表把 Neural2 列为通用型、正式发布、可通过 SSML 控制、不具备流式能力;文档还说明这些音色基于与打造 Custom Voice 相同的技术,让任何人无需训练自己的音色就能用上 Custom Voice 技术。 | 音色 id 采用语言区域加字母的形式(en-US-Standard-A、cmn-CN-Standard-A)。Google 的对比表把 Standard 列为成本高效、正式发布、可通过 SSML 控制、不具备流式能力;文档将这些音色归因于经声码器处理的参数式文本转语音。 |
| 语言 | 语言区域清单比 Standard 短得多。Neural2 音色 id 已发布于 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 和 vi-VN。Google 指出 Neural2 音色在全球端点和单区域端点上均可用。 | 所有 Cloud TTS 音色类型中语言区域跨度最广的一档。Standard 音色 id 已发布于 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 和 yue-HK。 |
| 声音控制 |
|
|
| 限制 | 单次 synthesize 请求的内容上限为 5,000 字节总量;输出 LINEAR16(带 WAV 头)、32 kbps MP3、OGG_OPUS,或 G.711 MULAW 与 ALAW;可选的 sampleRateHertz 会做重采样,若该采样率对所选编码不受支持,请求会失败;不提供流式合成;按字符计费,空格和换行都计入,除 <mark> 外的所有 SSML 标签也计入;多字节字符只计一次的说明仅适用于 Standard 和 WaveNet | 单次 synthesize 请求的内容上限为 5,000 字节总量(在部分语言区域中,一个字符会占多个字节);输出 LINEAR16(返回时带 WAV 头)、32 kbps MP3、OGG_OPUS,或 G.711 MULAW 与 ALAW;可选的 sampleRateHertz 会做重采样,若该采样率对所选编码不受支持,请求会失败;不提供流式合成;Long Audio Synthesis(Preview)以异步方式支持最多 100 万字节的输入;按字符计费,空格和换行都计入,除 <mark> 外的所有 SSML 标签也计入;对 Standard 和 WaveNet 而言,多字节字符只计一次 |
规格照录自各供应商的文档;供应商没有公布的项目,对应的行直接省略,不做推断。 完整来源: Google TTS Neural2 · Google TTS Standard
改一行代码就能在两个模型之间切换
下方每个标签页里都有两个模型 ID,高亮的那两行是唯一要改的地方。端点不变,API key 不变,请求结构也不变。
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", # 取消注释此行,注释上一行
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-neural2",
// model: "google-tts-standard", // 取消注释此行,注释上一行
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-neural2" \
# -F model="google-tts-standard" \ # 取消注释此行,注释上一行
-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-neural2",
// Model: "google-tts-standard", // 取消注释此行,注释上一行
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-neural2")
// .model("google-tts-standard") // 取消注释此行,注释上一行
.file(Paths.get("meeting.mp3"))
.build()).asTranscription();
System.out.println(resp.text());常见问题
Google TTS Neural2 和 Google TTS Standard 哪个更便宜?
按「每 1M 字符」算,Google TTS Standard 更便宜($4 对 $16,相差 4.0×)。其他计费项的结论可能相反,完整价格见上方表格,实际成本取决于你的用量构成。
不用分别集成两次,就能对 Google TTS Neural2 和 Google TTS Standard 做 A/B 测试吗?
可以。两个模型走同一个 OpenAI 兼容端点,用同一个 API key,切换时只要改一行里的模型名,所以可以给两个模型各分一部分流量,直接对比账单。
文字转语音如何计费?
按输入文本的字符数计费,单次请求的字符上限见规格表。不管用哪个模型,长文本都得拆成多个请求。