نموذج جوجل التجريبي لتحويل النص إلى كلام عبر OrcaRouter — توليد صوتي منخفض التكلفة من إدخال نصي.
google/gemini-2.5-flash-preview-tts هو نموذج تحويل النص إلى كلام (TTS) طورته Google، وهو حاليًا في مرحلة المعاينة. يقوم بتحويل النص المدخل إلى كلام صوتي، مستفيدًا من بنية Gemini 2.5 Flash للاستدلال…
يقوم النموذج بتحويل النص إلى كلام، متعاملًا مع مهام تحويل النص إلى كلام النموذجية: قراءة الفقرات، إنشاء التعليقات الصوتية، وإنتاج الصوت لأغراض الوصول. يدعم النموذج علامات الترقيم والتعبيرات الرقمية بشكل طبيعي. نظرًا لأنه نموذج Flash، فهو محسّن للإنتاجية ويمكنه معالجة كميات كبيرة من النصوص بسرعة. لا يدعم النسخ (تحويل الكلام إلى نص)، أو الترجمة اللغوية، أو المدخلات متعددة الوسائط. المخرجات الصوتية مناسبة للتشغيل في التطبيقات. لا توجد شخصيات صوتية محددة أو لكنات مؤكدة لهذه النسخة التجريبية. يجب على المستخدمين اختبار نصوصهم الخاصة لتقييم جودة الصوت وطبيعته.
يتميز هذا النموذج في السيناريوهات التي تكون فيها التكلفة المنخفضة وزمن الاستجابة القصير أكثر أهمية من الجودة الصوتية على مستوى الاستوديو. أفضل حالات الاستخدام تشمل: توليد السرد لمقاطع الفيديو القصيرة والبودكاست ومحتوى وسائل التواصل الاجتماعي؛ توفير الصوت لروبوتات الدردشة والمساعدين الافتراضيين؛ إنشاء نسخ صوتية للمقالات الإخبارية أو منشورات المدونات؛ إنشاء نماذج أولية لميزات TTS قبل الاستثمار في نماذج أعلى مستوى؛ وخدمة الجماهير متعددة اللغات إذا كان النموذج يدعم اللغات المطلوبة. نظرًا لأن سعر رمز الإخراج هو 10 دولارات لكل مليون، فهو اقتصادي لتوليد الصوت غير الحاسم حيث تكون القطع الأثرية العرضية مقبولة.
إذا كانت حالة استخدامك تتضمن أحجامًا عالية جدًا (مثل ملايين الرموز يوميًا) ويمكن أن تكون جودة الصوت أساسية جدًا، فقد تفكر في بديل أرخص مثل Google's TTS Lite أو نموذج TTS منخفض التكلفة من مزود آخر. ومع ذلك، لا يوجد نموذج أرخص مقدم صراحةً في الحقائق. بدلاً من ذلك، إذا كنت بحاجة إلى البث المباشر بأقل تكلفة ممكنة لكل حرف، يمكنك تقييم النماذج التي تفرض رسومًا لكل حرف بدلاً من كل رمز. تكلفة رمز الإخراج لهذا النموذج مرتفعة نسبيًا مقارنة بتكلفة الإدخال، لذا قد تكون سيناريوهات تحويل النص إلى كلام التي تولد صوتًا طويلاً من نص قصير فعالة من حيث التكلفة، بينما قد يكون توليد صوت قصير من نص طويل أقل فعالية. قم دائمًا بقياس عبء العمل الخاص بك لمقارنة الأسعار.
إذا كانت تطبيقتك تتطلب صوتًا بجودة استوديو، أو نغمات عاطفية معبرة، أو حوارًا متعدد الأصوات، فقد تحتاج إلى نموذج TTS أكثر تكلفة مثل Google Cloud Text-to-Speech (WaveNet) أو Amazon Polly مع الأصوات العصبية. تقدم هذه النماذج خيارات صوتية متعددة، ودعم SSML، وطبيعية أعلى، ولكن بتسعير أعلى لكل حرف أو لكل ثانية. google/gemini-2.5-flash-preview-tts هو نموذج أولي محسّن للسرعة والتكلفة، لذا قد لا يضاهي دقة حلول TTS المؤسسية المخصصة. قيّم عينة صغيرة من نصك باستخدام هذا النموذج مقارنة بالبدائل لتحديد ما إذا كانت الجودة تلبي متطلباتك.
لا توجد معايير أداء زمني محددة منشورة لهذا النموذج التجريبي. باعتباره متغيرًا من Gemini 2.5 Flash، فهو مصمم للاستدلال منخفض الكمون. عمليًا، يعتمد وقت الاستجابة على طول النص، وزمن الوصول للشبكة إلى خوادم Google عبر OrcaRouter، والحمل الحالي. يجب أن يتوقع المستخدمون توليدًا سريعًا بشكل معتدل للنصوص القصيرة (مثل بضع جمل)، مع استغراق النصوص الأطول وقتًا أطول نسبيًا. نظرًا لأنه يستخدم نموذج Flash، فيجب أن يتفوق على نماذج TTS البطيئة عالية الجودة ولكنه قد لا يكون بالسرعة التي تتمتع بها النماذج فائقة الخفة. لقياس زمن الوصول بدقة، قم بإجراء اختبارات تحميل بأحجام إدخال نموذجية باستخدام واجهة برمجة التطبيقات OrcaRouter.
استنادًا إلى المعلومات العامة حول Gemini 2.5 Flash، تشمل نقاط القوة سرعة الاستدلال، كفاءة التكلفة (سعر منخفض لكل رمز إدخال)، وصوت طبيعي لنموذج خفيف الوزن. تعني حالة المعاينة الوصول المبكر إلى أحدث تقنيات تحويل النص إلى كلام من Google. تضمن التسعير بدون هامش ربح عبر OrcaRouter أن تدفع فقط سعر المزود. يُعد تسعير رموز الإدخال (0.50 دولار لكل مليون) من بين الأقل لنماذج تحويل النص إلى كلام. تشير بنية Flash أيضًا إلى بصمة كربونية أقل لكل طلب مقارنة بالنماذج الأكبر حجمًا.
هذا النموذج في مرحلة المعاينة، لذا لا يتم ضمان الموثوقية والتوفر. لا يتم توفير أي نتائج معايير (مثل MOS و CER). يفتقر إلى الميزات الموجودة في خدمات تحويل النص إلى كلام الناضجة: لا دعم لـ SSML، خيارات صوت محدودة، لا تحكم في العواطف، ولا تدريب مخصص للصوت. قد تكون جودة المخرجات غير متناسقة عبر اللغات أو اللهجات المختلفة. بسبب التسعير القائم على الرموز المميزة، قد تؤدي فترات الصمت الطويلة أو الرموز غير الكلامية إلى زيادة التكلفة بشكل غير متوقع. لا توجد معلومات عن تنسيق الصوت (مثل WAV و MP3)، أو معدل العينة، أو عمق البت. يجب على المستخدمين التحقق من التوافق مع خط معالجة الصوت الخاص بهم.
جوجل Gemini 2.5 Flash هي عائلة متعددة الأغراض؛ يتم تخصيص النسخة المخصصة لتحويل النص إلى كلام (TTS) لتوليد الصوت. بالمقارنة مع نموذج Gemini Flash العام (الذي يُخرج نصًا)، تُضيف نسخة TTS وحدة فك ترميز للرموز الصوتية، مما يجعلها أكثر ملاءمة للصوت ولكنها قد تكون أبطأ بسبب خطوة فك الترميز. لا يمكن مقارنتها مباشرة بنماذج Flash النصية فقط. بالنسبة لتحويل النص إلى كلام تحديدًا، فهي تنافس نماذج مثل OpenAI TTS-1 وMicrosoft Edge TTS والبدائل مفتوحة المصدر. لا تتوفر معايير تقييم عبر النماذج لهذه المعاينة، لذا فإن المقارنات المباشرة تخمينية.
التسعير لكل رمز: 0.50 دولار لكل مليون رمز إدخال و10.00 دولار لكل مليون رمز إخراج. رموز الإدخال هي النص الذي ترسله إلى النموذج. رموز الإخراج هي رموز الصوت التي يتم إنشاؤها. تفرض OrcaRouter الفواتير بسعر المزوّد دون أي زيادة. لا توجد رسوم إضافية لاستخدام API إلى جانب استهلاك الرموز. تُفرض الرسوم على الطلبات الناجحة والفاشلة إذا تمت معالجة الرموز. لا يتم فرض رسوم على الرموز غير المستخدمة. عادةً ما تكون الفوترة شهرية، ولكن تحقق من حساب OrcaRouter الخاص بك للحصول على التفاصيل. يتم عدّ الرموز بواسطة محلل رموز Google، والذي قد يختلف عن النماذج الأخرى.
رموز الإخراج أغلى بـ 20 مرة من رموز الإدخال (10 دولارات مقابل 0.50 دولار لكل مليون). هذا أمر نموذجي لنماذج تحويل النص إلى كلام (TTS) لأن توليد الصوت يتطلب عمليات حسابية مكثفة. لذلك، يمكن للصمت الطويل أو التوقفات الممتدة في الإدخال أن تزيد من عدد رموز الإخراج دون حمل معلومات. يمكن أن يؤدي تحسين نص الإدخال ليكون موجزًا إلى تقليل التكلفة. على العكس، تكلفة رموز الإدخال ضئيلة؛ حيث يمكنك تقديم سياق مفصل دون عقوبة كبيرة. إذا كانت حالة الاستخدام الخاصة بك تتطلب توليد صوت قصير جدًا من نص طويل جدًا (مثلاً، رد مختصر من مستند طويل)، فقد تكون نسبة التكلفة مواتية.
لا توجد برامج تخزين مؤقت أو خصومات محددة مذكورة في الحقائق المقدمة. لا يوفر OrcaRouter تخزينًا مؤقتًا مدمجًا لمخرجات النموذج. تتم معالجة كل طلب بشكل جديد بواسطة خوادم Google. تقدم بعض المنصات تخزينًا مؤقتًا للطلبات المتطابقة، لكن هذا غير مؤكد بالنسبة لـ OrcaRouter. بالنسبة للمستخدمين ذوي الحجم الكبير، اتصل بـ OrcaRouter للاستفسار عن الخصومات المحتملة على أساس الحجم أو السعة المحجوزة. إلى ذلك الحين، افترض أن تسعير كل رمز ينطبق على كل طلب.
بالمقارنة مع خدمات تحويل النص إلى كلام الشائعة: تفرض خدمة Google Cloud Text-to-Speech رسومًا لكل حرف (مثل 0.000004 دولار لكل حرف للخدمة القياسية، و0.000016 دولار لـ WaveNet). تفرض OpenAI TTS-1 رسومًا قدرها 0.015 دولار لكل 1000 حرف. عند التحويل إلى كل رمز (token): قد تكون رسوم هذا النموذج البالغة 10 دولارات لكل مليون رمز مخرج تنافسية للنصوص القصيرة ولكنها مكلفة للصوت الطويل. نظرًا لعدم وجود نسبة تحويل بين الحروف والرموز، يجب على المستخدمين اختبارها مع محتواهم. تُعد سياسة عدم فرض رسوم إضافية من OrcaRouter ميزة مقارنة بواجهات برمجة التطبيقات للمزودين التي تضيف تكاليف إضافية.
أنت تستخدم واجهة برمجة تطبيقات OrcaRouter المتوافقة مع OpenAI على الرابط الأساسي https://api.orcarouter.ai/v1. أرسل طلب POST إلى نقطة نهاية chat/completions أو audio (إن كانت متاحة) باستخدام معرف النموذج 'google/gemini-2.5-flash-preview-tts'. لتحويل النص إلى كلام القياسي، قد تحتاج إلى استخدام نقطة نهاية مخصصة لتوليد الصوت؛ راجع وثائق OrcaRouter لمعرفة المسار الصحيح. تضمين مفتاح API الخاص بك في رأس Authorization. تحتوي هيئة الطلب عادةً على النص المراد تحويله، واختيارياً معاملات مثل الصوت أو السرعة (إن كانت مدعومة). يتم إرجاع الصوت كرموز مشفرة بـ base64 أو رابط تحميل، اعتماداً على نقطة النهاية.
المعلمات الشائعة التي تدعمها واجهات برمجة التطبيقات المتوافقة مع OpenAI تشمل: 'model' (مطلوب: 'google/gemini-2.5-flash-preview-tts')، و'messages' أو 'prompt' مع النص، و'temperature' و'top_p' (قد تؤثر على تباين الصوت إذا كان مدعومًا)، و'max_tokens' (يحد من طول المخرجات). ومع ذلك، بالنسبة لتوليد الكلام (TTS)، قد لا تنطبق العديد من هذه المعلمات. قد يدعم النموذج معاملات 'voice' أو 'speed'. لا توجد معلمات محددة موثقة في المعلومات المتوفرة. راجع مرجع واجهة برمجة التطبيقات الخاص بـ OrcaRouter لهذا النموذج. إذا كان النموذج لا يدعم معلمة، فسيتم تجاهلها أو إرجاع خطأ.
إذا كنت تنتقل من مزود آخر (مثل Google Cloud TTS أو AWS Polly أو OpenAI TTS)، فستحتاج إلى تغيير نقطة النهاية الخاصة بك إلى https://api.orcarouter.ai/v1 وتحديث المصادقة لاستخدام مفتاح API الخاص بـ Orcarouter. قم بتحديث معرف النموذج إلى 'google/gemini-2.5-flash-preview-tts'. ثم قم بتكييف تنسيق طلبك ليتوافق مع مخطط OpenAI. على سبيل المثال، إذا كنت ترسل نصًا في حقل معين سابقًا، فستستخدم الآن مصفوفة 'messages' أو معلمة 'prompt'. قد يختلف تنسيق إخراج الصوت؛ قد تحتاج إلى تحليل استجابات base64. اختبر ذلك بطلب صغير قبل ترحيل حركة المرور الإنتاجية.
يوفر OrcaRouter واجهة برمجة تطبيقات متوافقة مع OpenAI مع نقاط نهاية محتملة: /v1/chat/completions لتحويل النص إلى نص، وربما /v1/audio/speech لتحويل النص إلى كلام (TTS). بالنسبة لهذا النموذج، نقطة النهاية المناسبة هي على الأرجح نقطة نهاية الصوت/الكلام. إذا لم تكن تلك متوفرة، فقد تحتاج إلى استخدام نقطة نهاية الإكمال مع معاملات خاصة. تشير الحقائق إلى أن النموذج يتم الوصول إليه من خلال واجهة برمجة التطبيقات المتوافقة مع OpenAI الخاصة بـ OrcaRouter على base_url https://api.orcarouter.ai/v1 مع معرف النموذج 'google/gemini-2.5-flash-preview-tts'. تحقق من وثائق OrcaRouter لمعرفة نقطة النهاية التي يجب استخدامها لتوليد الصوت.
Google Cloud TTS يوفر أنواعًا متعددة من الأصوات (قياسي، WaveNet، Studio) مع دعم SSML، وإنشاء أصوات مخصصة، ومجموعة واسعة من اللغات. التسعير لكل حرف. يستخدم نموذج المعاينة هذا (gemini-2.5-flash-preview-tts) الفوترة القائمة على الرموز، وهو نوع Flash مُحسَّن للسرعة والتكلفة المنخفضة. من المحتمل أن يكون أقل ثراءً بالميزات من Cloud TTS ولكنه قد يكون أكثر فعالية من حيث التكلفة لعمليات TTS البسيطة وعالية الحجم. google/gemini-2.5-flash-preview-tts هو نموذج معاينة، بينما Cloud TTS متاح بشكل عام مع اتفاقيات مستوى الخدمة (SLAs). إذا كنت بحاجة إلى الموثوقية والميزات المتقدمة، فإن Cloud TTS هو الخيار الأكثر أمانًا؛ إذا كنت تريد زمن انتقال منخفض وتكلفة منخفضة، جرب هذا النموذج.
تفرض OpenAI TTS-1 رسومًا قدرها 0.015 دولارًا لكل 1000 حرف. كلا النموذجين يولدان صوتًا من النص. يُعرف نموذج OpenAI بصوته المعبّر وانتشاره الواسع، لكن لديه نموذج تسعير مختلف (لكل حرف). يستخدم google/gemini-2.5-flash-preview-tts تسعيرًا لكل رمز (token)، مما قد يكون أرخص للنصوص القصيرة جدًا ولكنه أغلى للنصوص الطويلة (حيث قد يساوي الحرف الواحد عدة رموز). OpenAI TTS-1 مستقر وجاهز للإنتاج، بينما نموذج Google هو نموذج تجريبي (preview). يمكنك استخدام كليهما عبر OrcaRouter عن طريق تبديل معرفات النماذج. اختبر حالة الاستخدام الخاصة بك لمقارنة التكلفة وجودة الصوت.
نماذج TTS مفتوحة المصدر مثل Coqui TTS وPiper وBark مجانية ولكنها تتطلب استضافة وصيانة وموارد GPU. توفر التخصيص لكنها تفتقر إلى سرعة وبساطة استدعاء API. google/gemini-2.5-flash-preview-tts عبر OrcaRouter يلغي أعباء البنية التحتية ويوفر نموذج دفع حسب الاستخدام. بالنسبة للمشاريع الهواة، قد يكون المصدر المفتوح أرخص؛ أما للإنتاج مع زمن استجابة وإدارة أدنى، فإن API أسهل. قد تكون سرعة وتكلفة النموذج التجريبي تنافسية مع بعض النماذج مفتوحة المصدر عند احتساب تكاليف الاستضافة.
تقدم Amazon Polly مجموعة متنوعة من الأصوات، ودعم SSML، ومستوى مجاني (5 ملايين حرف شهريًا). التسعير لكل حرف (Standard $0.000004، Neural $0.000016). google/gemini-2.5-flash-preview-tts يعتمد على الرموز المميزة، وحالته كمعاينة تعني عدم وجود اتفاقيات مستوى خدمة (SLAs) أو مستوى مجاني. للاستخدام منخفض الحجم، يعد المستوى المجاني من Polly جذابًا. للاستخدام عالي الحجم، قد يكون تسعير الرموز المميزة لهذا النموذج أرخص أو أغلى حسب الضغط. تدعم Polly العديد من اللغات وميزات مثل قواميس النطق. هذا النموذج أبسط لكنه أسرع وأقل تكلفة حسب الاستخدام.
متوافق مع OpenAI — أبقِ على SDK الحالي
https://api.orcarouter.ai/v1voice| الإدخال / 1M توكن | $0.500 |
|---|---|
| الإخراج / 1M توكن | $10.00 |
| العملة | USD |
تقدير بناءً على السعر المُعلن
تقدير فقط — يعتمد العدد الفعلي للرموز على مُجزّئ الرموز الخاص بالمزوّد.
ما يتحدث عنه المطورون هذا الأسبوع
GET /api/public/models/google/gemini-2.5-flash-preview-ttsفتح @misc{orcarouter_gemini_2_5_flash_preview_tts,
title = {google/gemini-2.5-flash-preview-tts API},
author = {google},
year = {n.d.},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/google/gemini-2.5-flash-preview-tts}
}google. (n.d.). google/gemini-2.5-flash-preview-tts API. OrcaRouter. https://www.orcarouter.ai/models/google/gemini-2.5-flash-preview-tts