Le modèle de synthèse vocale en aperçu de Google via OrcaRouter — génération audio à faible coût à partir de texte.
google/gemini-2.5-flash-preview-tts est un modèle de synthèse vocale développé par Google, actuellement en aperçu. Il convertit une entrée textuelle en audio de parole, en s'appuyant sur…
Le modèle convertit le texte en parole, en gérant les tâches typiques de synthèse vocale : lecture de paragraphes, génération de voix off et création d'audio pour l'accessibilité. Il prend en charge naturellement la ponctuation et les expressions numériques. Parce qu'il s'agit d'un modèle Flash, il est optimisé pour le débit et peut traiter rapidement de grands volumes de texte. Il ne prend pas en charge la transcription (parole en texte), la traduction linguistique ou les entrées multimodales. La sortie audio est adaptée à la lecture dans les applications. Aucune personnalité vocale ou accent spécifique n'est confirmé pour cet aperçu. Les utilisateurs doivent tester avec leur propre texte pour évaluer la qualité audio et le naturel.
Ce modèle excelle dans les scénarios où le faible coût et la faible latence sont plus importants qu’un audio de qualité studio. Les meilleurs cas d’usage incluent : générer des narrations pour des vidéos courtes, des podcasts et du contenu pour les réseaux sociaux ; fournir de l’audio pour les chatbots et les assistants virtuels ; créer des versions audio d’articles de presse ou de billets de blog ; prototyper des fonctionnalités TTS avant d’investir dans des modèles plus haut de gamme ; et servir des publics multilingues si le modèle prend en charge les langues nécessaires. Étant donné que le prix du jeton de sortie est de 10 $ par million, il est économique pour générer un audio non critique où des artefacts occasionnels sont acceptables.
Si votre cas d'utilisation implique des volumes extrêmement élevés (par exemple, des millions de tokens par jour) et que la qualité audio peut être très basique, vous pourriez envisager une alternative moins coûteuse comme Google TTS Lite ou un modèle TTS à faible coût d'un autre fournisseur. Cependant, aucun modèle moins cher n'est explicitement mentionné dans les faits. Sinon, si vous avez besoin d'un streaming en temps réel avec le coût le plus bas possible par caractère, vous pourriez évaluer des modèles qui facturent par caractère plutôt que par token. Le coût des tokens de sortie de ce modèle est relativement élevé par rapport au coût d'entrée, de sorte que les scénarios de synthèse vocale qui génèrent un long audio à partir d'un texte court peuvent être rentables, tandis que générer un court audio à partir d'un long texte pourrait l'être moins. Effectuez toujours des benchmarks sur votre charge de travail spécifique pour comparer les prix.
Si votre application nécessite un audio de qualité studio, des tons émotionnels expressifs ou un dialogue multi-voix, vous pourriez avoir besoin d'un modèle TTS plus coûteux comme Google Cloud Text-to-Speech (WaveNet) ou Amazon Polly avec des voix neuronales. Ces modèles offrent plusieurs options vocales, la prise en charge SSML et une plus grande naturalité, mais à un prix plus élevé par caractère ou par seconde. google/gemini-2.5-flash-preview-tts est une version préliminaire optimisée pour la vitesse et le coût, elle pourrait donc ne pas égaler la finesse des solutions TTS professionnelles dédiées. Évaluez un petit échantillon de votre texte avec ce modèle par rapport aux alternatives pour déterminer si la qualité correspond à vos besoins.
Aucun benchmark de latence spécifique n'est publié pour ce modèle en prévisualisation. En tant que variante Gemini 2.5 Flash, il est conçu pour une inférence à faible latence. En pratique, le temps de réponse dépend de la longueur du texte, de la latence réseau vers les serveurs de Google via OrcaRouter, et de la charge actuelle. Les utilisateurs peuvent s'attendre à une génération modérément rapide pour les textes courts (par exemple, quelques phrases), les textes plus longs prenant proportionnellement plus de temps. Comme il utilise un modèle Flash, il devrait surpasser les modèles TTS plus lents et de haute qualité, mais pourrait ne pas être aussi rapide que les modèles ultra-légers. Pour une mesure précise de la latence, exécutez des tests de charge avec des tailles d'entrée typiques en utilisant l'API d'OrcaRouter.
D'après les informations publiques sur Gemini 2.5 Flash, ses atouts incluent une inférence rapide, une bonne rentabilité (faible coût par jeton d'entrée) et une voix naturelle pour un modèle léger. Le statut d'aperçu permet un accès anticipé à la dernière technologie TTS de Google. La tarification sans marge via OrcaRouter garantit que vous ne payez que le tarif du fournisseur. Le prix des jetons d'entrée (0,50 $ par million) est parmi les plus bas pour les modèles TTS. L'architecture Flash implique également une empreinte carbone par requête plus faible que celle des modèles plus volumineux.
Ce modèle est en prévisualisation, donc la fiabilité et la disponibilité ne sont pas garanties. Aucun score de référence (par ex., MOS, CER) n'est fourni. Il manque de fonctionnalités présentes dans les services TTS matures : pas de support SSML, options vocales limitées, pas de contrôle des émotions, pas d'entraînement vocal personnalisé. La qualité de sortie peut être incohérente selon les langues ou les accents. En raison de la tarification basée sur les tokens, de longs silences ou des tokens non vocaux pourraient augmenter le coût de manière imprévisible. Il n'y a aucune information sur le format audio (par ex., WAV, MP3), le taux d'échantillonnage ou la profondeur de bits. Les utilisateurs doivent vérifier la compatibilité avec leur pipeline de traitement audio.
La famille Gemini 2.5 Flash de Google est une famille polyvalente ; la variante TTS est spécialisée dans la génération vocale. Comparée à un modèle Gemini Flash générique (qui produit du texte), la version TTS ajoute un décodeur pour les jetons audio, ce qui la rend plus adaptée à l'audio mais potentiellement plus lente en raison de l'étape de décodage. Elle n'est pas directement comparable aux modèles Flash uniquement textuels. Pour la TTS spécifiquement, elle rivalise avec des modèles comme OpenAI TTS-1, Microsoft Edge TTS et des alternatives open-source. Aucun benchmark inter-modèle n'est disponible pour cet aperçu, donc les comparaisons directes sont spéculatives.
Le prix est par token : 0,50 $ par million de tokens d’entrée et 10,00 $ par million de tokens de sortie. Les tokens d’entrée sont le texte que vous envoyez au modèle. Les tokens de sortie sont les tokens audio générés. OrcaRouter facture au tarif du fournisseur sans aucune marge. Aucuns frais supplémentaires ne s’appliquent pour l’utilisation de l’API au‑delà de la consommation de tokens. Des frais sont encourus pour les requêtes réussies comme échouées si des tokens sont traités. Les tokens non utilisés ne sont pas facturés. La facturation est généralement mensuelle, mais consultez votre compte OrcaRouter pour les détails. Les tokens sont comptés par le tokenizer de Google, qui peut varier par rapport à d’autres modèles.
Les tokens de sortie sont 20x plus chers que les tokens d'entrée ($10 vs $0.50 par million). C'est typique des modèles TTS car la génération audio est intensive en calcul. Par conséquent, de longs silences ou des pauses prolongées dans l'entrée peuvent augmenter le nombre de tokens de sortie sans porter d'information. Optimiser le texte d'entrée pour qu'il soit concis peut réduire le coût. Inversement, le coût des tokens d'entrée est négligeable ; vous pouvez fournir un contexte détaillé sans pénalité importante. Si votre cas d'utilisation nécessite de générer un audio très court à partir d'un texte très long (par exemple, une réponse brève à partir d'un long document), le rapport de coût peut être favorable.
Aucun programme spécifique de mise en cache ou de réduction n'est mentionné dans les faits fournis. OrcaRouter n'offre pas de mise en cache intégrée pour les sorties des modèles. Chaque requête est traitée à nouveau par les serveurs de Google. Certaines plateformes offrent la mise en cache des requêtes identiques, mais cela n'est pas confirmé pour OrcaRouter. Pour les utilisateurs à volume élevé, contactez OrcaRouter pour vous renseigner sur d'éventuelles réductions basées sur le volume ou une capacité réservée. D'ici là, supposez qu'une tarification par jeton s'applique à chaque requête.
Comparaison avec les services TTS courants : Google Cloud Text-to-Speech facture par caractère (par exemple, 0,000004 $ par caractère pour Standard, 0,000016 $ pour WaveNet). OpenAI TTS-1 facture 0,015 $ pour 1000 caractères. Conversion par token : ce modèle à 10 $ par million de tokens de sortie peut être compétitif pour les textes courts mais coûteux pour les longs fichiers audio. Étant donné qu'aucun ratio caractère/token n'est fourni, les utilisateurs doivent tester avec leur propre contenu. La marge zéro d'OrcaRouter est un avantage par rapport aux API fournisseurs qui ajoutent des frais supplémentaires.
Utilisez l'API compatible OpenAI d'OrcaRouter à l'URL de base https://api.orcarouter.ai/v1. Envoyez une requête POST au point de terminaison chat/completions ou audio (si disponible) avec l'ID du modèle 'google/gemini-2.5-flash-preview-tts'. Pour la TTS standard, vous devrez peut-être utiliser un point de terminaison dédié à la génération audio ; consultez la documentation d'OrcaRouter pour connaître la route correcte. Incluez votre clé API dans l'en-tête Authorization. Le corps de la requête contient généralement le texte à convertir, et éventuellement des paramètres comme la voix ou la vitesse (si pris en charge). L'audio est renvoyé sous forme de jetons encodés en base64 ou d'une URL de téléchargement, selon le point de terminaison.
Les paramètres courants pris en charge par les API compatibles avec OpenAI incluent : 'model' (obligatoire : 'google/gemini-2.5-flash-preview-tts'), 'messages' ou 'prompt' avec le texte, 'temperature' et 'top_p' (peuvent affecter la variation audio si pris en charge), 'max_tokens' (limite la longueur de la sortie). Cependant, pour la TTS, beaucoup de ces paramètres peuvent ne pas s'appliquer. Le modèle peut prendre en charge les paramètres 'voice' ou 'speed'. Aucun paramètre spécifique n'est documenté dans les faits fournis. Consultez la référence API d'OrcaRouter pour ce modèle. Si le modèle ne prend pas en charge un paramètre, il sera ignoré ou renverra une erreur.
Si vous migrez depuis un autre fournisseur (par exemple Google Cloud TTS, AWS Polly, OpenAI TTS), vous devez modifier votre endpoint vers https://api.orcarouter.ai/v1 et mettre à jour votre authentification pour utiliser la clé API OrcaRouter. Remplacez l'identifiant du modèle par 'google/gemini-2.5-flash-preview-tts'. Ensuite, adaptez le format de votre requête au schéma compatible OpenAI. Par exemple, si vous envoyiez auparavant du texte dans un champ spécifique, vous utiliserez désormais le tableau 'messages' ou le paramètre 'prompt'. Le format de sortie audio peut différer ; vous devrez peut-être analyser les réponses en base64. Testez avec une petite requête avant de migrer le trafic de production.
OrcaRouter fournit une API compatible avec OpenAI avec des points de terminaison probables : /v1/chat/completions pour le texte-à-texte, et éventuellement /v1/audio/speech pour la TTS. Pour ce modèle, le point de terminaison approprié est probablement le point de terminaison audio speech. Si celui-ci n'est pas disponible, vous devrez peut-être utiliser le point de terminaison completions avec des paramètres spéciaux. Les faits indiquent que le modèle est accessible via l'API compatible OpenAI d'OrcaRouter à l'url de base https://api.orcarouter.ai/v1 avec l'identifiant de modèle 'google/gemini-2.5-flash-preview-tts'. Confirmez avec la documentation d'OrcaRouter quel point de terminaison utiliser pour générer de l'audio.
Google Cloud TTS propose plusieurs types de voix (Standard, WaveNet, Studio) avec prise en charge de SSML, création de voix personnalisées et une large gamme de langues. La tarification se fait par caractère. Ce modèle en préversion (gemini-2.5-flash-preview-tts) utilise une facturation basée sur les jetons et est une variante Flash optimisée pour la rapidité et le faible coût. Il est probablement moins riche en fonctionnalités que Cloud TTS, mais peut être plus rentable pour une synthèse vocale simple et en volume élevé. google/gemini-2.5-flash-preview-tts est une préversion, tandis que Cloud TTS est généralement disponible avec des SLA. Si vous avez besoin de fiabilité et de fonctionnalités avancées, Cloud TTS est plus sûr ; si vous recherchez une faible latence et un faible coût, essayez ce modèle.
OpenAI TTS-1 facture 0,015 $ pour 1000 caractères. Les deux modèles génèrent de l'audio à partir de texte. Le modèle d'OpenAI est connu pour ses voix expressives et sa large adoption, mais il possède une tarification différente (par caractère). google/gemini-2.5-flash-preview-tts utilise une tarification par token, qui peut être moins chère pour des textes très courts, mais plus chère pour des textes longs (car un caractère peut correspondre à plusieurs tokens). OpenAI TTS-1 est stable et prêt pour la production, tandis que le modèle de Google est en version préliminaire. Vous pouvez utiliser les deux via OrcaRouter en changeant l'ID du modèle. Testez votre cas d'usage spécifique pour comparer le coût et la qualité audio.
Les modèles TTS open-source tels que Coqui TTS, Piper ou Bark sont gratuits mais nécessitent un hébergement, une maintenance et des ressources GPU. Ils offrent une personnalisation mais n'ont pas la rapidité et la simplicité d'un appel API. google/gemini-2.5-flash-preview-tts via OrcaRouter élimine les frais d'infrastructure et propose un modèle de paiement à l'utilisation. Pour des projets de loisir, l'open-source peut être moins cher ; pour la production avec une latence et une gestion minimales, l'API est plus facile. La vitesse et le coût du modèle d'aperçu peuvent être compétitifs par rapport à certains modèles open-source si l'on tient compte des coûts d'hébergement.
Amazon Polly propose une variété de voix, un support SSML et un niveau gratuit (5 millions de caractères par mois). Le prix est par caractère (Standard $0.000004, Neural $0.000016). google/gemini-2.5-flash-preview-tts est basé sur des tokens, et son statut de prévisualisation signifie qu'il n'y a pas de SLAs ni de niveau gratuit. Pour une utilisation à faible volume, le niveau gratuit de Polly est attrayant. Pour un volume élevé, le prix basé sur les tokens de ce modèle peut être moins cher ou plus cher selon la compression. Polly prend en charge de nombreuses langues et des fonctionnalités comme les lexiques de prononciation. Ce modèle est plus simple mais plus rapide et moins coûteux selon l'utilisation.
Compatible OpenAI — gardez votre SDK actuel
https://api.orcarouter.ai/v1voice| Entrée / 1M tokens | $0.500 |
|---|---|
| Sortie / 1M tokens | $10.00 |
| Devise | USD |
Estimation basée sur le tarif public
Estimation seulement — le nombre réel de tokens dépend du tokeniseur du fournisseur.
Ce dont parlent les développeurs cette semaine
GET /api/public/models/google/gemini-2.5-flash-preview-ttsOuvrir @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