新人 免费注册,送 10 次调用,最高 $1,免绑卡。

Google TTS Chirp 3 HD

Google TTS Chirp 3: HD 是被 Google 称为最新一代文本转语音技术的档位,由其最新一代生成式模型驱动,官方描述为能带来真实感与情感共鸣。

输入
文本 $30/M
输出
音频
上下文
4K

价格在同类中的位置

价格在 7 个同类模型中的位置

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

这条线显示该模型的价格,在 Synthorai 上同类模型里处于什么位置。两端标出了最便宜和最贵的那个。这里是基础价,批量、区域和缓存写入的折扣见价格页。

规格与限制

语音合成

合成语言 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 和 vi-VN。
语音 音色以星体命名,并公布性别: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 和 Zubenelgenubi。加上语言区域前缀构成 id,例如 en-US-Chirp3-HD-Charon。Google 把这一组描述为涵盖多种语言的 30 种不同风格。
输入上限 5,000 字节 各厂商公布该上限所用的单位不同:对非拉丁文本而言,字节上限不等于字符上限。
流式合成 支持
SSML 预览版,仅同步请求
声音控制 数值参数
可接受的控制项
  • 音色控制项均处于 Preview 阶段:语速通过 speaking_rate 0.25 到 2.0 调节
  • [pause short]、[pause long] 和 [pause] 停顿标记只在 markup 输入字段中被接受,在 text 中一概无效,且标记放置得不自然时模型可能不予理会
  • 自定义发音支持 IPA 或 X-SAMPA
  • SSML 支持处于 Preview 且仅限同步请求,流式请求不支持,未列出的标签会被忽略,say-as 的 interpret-as=expletive 或 bleep 不受支持
计费单位 按输入字符计费 厂商未说明多字节字符是否按一个字符计费,因此仅凭该费率估算中日韩文本成本,并无文档依据。
端点与格式
  • 单次 synthesize 请求的内容上限为 5,000 字节总量
  • 默认响应格式为 LINEAR16
  • 流式支持 ALAW、MULAW、OGG_OPUS 和 PCM,批量再加上 MP3,因此 MP3 在流式路径上不可用
  • 它是 Google 对比表中唯一标注为具备流式能力的音色类型
  • 在 global、us 和 eu 端点以及 asia-southeast1、europe-west2 和 asia-northeast1 正式发布,但不在区域化和数据驻留的适用范围内
  • 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

模型

模态 文本 → 音频
  • Google 最新一代的文本转语音技术,由其最新的生成式模型驱动,官方描述为能带来真实感与情感共鸣
  • 对比表把对话式智能体列为目标用途,定价页把它归入 Latest TTS models 而非 Legacy
  • 每字符 US$0.00003(每 100 万字符 US$30),每月前 100 万字符免费

依据 Google 官方文档 ↗

30 秒用上 Google TTS Chirp 3 HD

OpenAI 兼容:换掉 base_url,SDK 不用改。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)

关于 Google TTS Chirp 3 HD

  • 对比表把对话式智能体列为目标用途,音色页则补充说,这些音色涵盖多种语言下的 30 种不同风格,适用于实时和常规应用,并配有高级音频控制,以及基于文本流式传输的低延迟实时通信。
  • 最后这一点是它相对 Standard 和 Neural2 最鲜明的分界:在那张表里,Chirp 3: HD 是唯一一个流式一列写着 yes 的音色类型。
  • 音色以星体而非字母命名,包括 Achernar、Algenib、Aoede、Charon、Kore、Leda、Puck、Sulafat、Zephyr、Zubenelgenubi 等,每个都公布了性别,并与语言区域组合成 en-US-Chirp3-HD-Charon 这样的 id。
  • 语言覆盖是一份公布的 BCP-47 清单,从 ar-XA、bn-IN 经 cmn-CN、ja-JP、sw-KE 一直到 vi-VN;该档位在 global、us、eu 端点以及 asia-southeast1、europe-west2 和 asia-northeast1 已正式发布。
  • 默认响应格式为 LINEAR16;流式另外支持 ALAW、MULAW、OGG_OPUS 和 PCM,批量在此之上再加 MP3,因此 MP3 在这里不是流式可选项。
  • 它的控制项自成一套,且全部仍处于 Preview 阶段:语速通过 0.25 到 2.0 之间的 speaking_rate 调节;[pause short] 和 [pause long] 这类停顿标记只在 markup 输入字段中生效,在 text 中一概无效;自定义发音支持 IPA 或 X-SAMPA;SSML 仅限同步请求,未列出的标签会被静默忽略。
  • Google 提醒,若停顿标记放置得不自然,模型可能不予理会。
  • 定价为每字符 US$0.00003,折算为每 100 万字符 US$30,前 100 万字符免费,而该档位不在区域化和数据驻留的适用范围内。
  • Synthorai 通过 OpenAI 兼容的 /v1/audio/speech 端点提供该模型。

常见问题

Google TTS Chirp 3 HD API 可以免费试用吗?

可以。新账号可获得 10 次试用调用和最高 $1 的免费额度,无需绑卡。足够在添加付款方式之前,用真实工作负载试一试 Google TTS Chirp 3 HD。

Google TTS Chirp 3 HD 最擅长什么?

多种语言下的 30 种不同风格、以星体命名的音色与低延迟文本流式、语速、停顿标记与自定义发音仍处 preview。完整能力请见「关于」部分,内容取自厂商官方发布说明。

Google TTS Chirp 3 HD 的价格是多少?

在 Synthorai 上,Google TTS Chirp 3 HD 输入 $30/百万 token、输出 $0/百万 token,即厂商牌价,无平台加价。

Google TTS Chirp 3 HD 支持提示词缓存(prompt caching)吗?

Google TTS Chirp 3 HD 目前在 Synthorai 上没有缓存读取折扣。网关上的其他模型仍支持提示词缓存,可在价格表中查看支持缓存的替代模型。 各厂商缓存对比 →

如何开通 Google TTS Chirp 3 HD?

把现有 OpenAI SDK 的 base_url 指向 "https://synthorai.io/v1",model 设为 "google-tts-chirp3-hd" 即可。一把 API key 通用网关上的全部模型。

相关模型

对比

本页每个值都转录自厂商自己的文档(链接见上),并带有核对日期。价格在全目录范围内比较;各厂商定义不同的规格值,只说明差异而不作图表对比。此处没有任何由我们测量的数据,也不做评分。

获取 API 密钥 算算你的成本 →