גרסת התצוגה המקדימה של מודל הטקסט-לדיבור של גוגל באמצעות OrcaRouter — הפקת אודיו בעלות נמוכה מקלט טקסט.
google/gemini-2.5-flash-preview-tts הוא מודל טקסט-לדיבור שפותח על ידי Google, ונמצא כעת בגרסת תצוגה מקדימה. המודל ממיר קלט טקסט לאודיו דיבור תוך שימוש בארכיטקטורת Gemini 2.5 Flash להסקה מהירה. המודל…
המודל ממיר טקסט לדיבור, ומטפל במשימות טיפוסיות של המרת טקסט לדיבור: קריאת פסקאות, הפקת קריינות ויצירת אודיו לנגישות. הוא תומך בסימני פיסוק ובביטויים מספריים באופן טבעי. מכיוון שמדובר במודל Flash, הוא מותאם לתפוקה גבוהה ומסוגל לעבד כמויות גדולות של טקסט במהירות. הוא אינו תומך בתמלול (דיבור לטקסט), תרגום שפות או קלט רב-מודאלי. פלט האודיו מתאים להשמעה ביישומים. אין אישור לקולות או מבטאים ספציפיים בגרסת התצוגה המקדימה הזו. על המשתמשים לבדוק עם טקסט משלהם כדי להעריך את איכות האודיו והטבעיות שלו.
מודל זה מצטיין בתרחישים שבהם עלות נמוכה וזמן השהיה נמוך חשובים יותר מאשר איכות שמע ברמת אולפן. מקרי השימוש הטובים ביותר כוללים: הפקת קריינות לסרטונים קצרים, פודקאסטים ותוכן לרשתות חברתיות; מתן שמע לצ'אטבוטים ועוזרים וירטואליים; יצירת גרסאות שמע של כתבות חדשות או פוסטים בבלוג; אב-טיפוס של תכונות TTS לפני השקעה בדגמים מתקדמים יותר; ושירות קהלים רב-לשוניים אם המודל תומך בשפות הנדרשות. מכיוון שמחיר הטוקן הפלט הוא $10 למיליון, מדובר בפתרון חסכוני להפקת שמע שאינו קריטי, שבו פגמים מזדמנים מקובלים.
אם מקרה השימוש שלך כולל נפחים גבוהים במיוחד (לדוגמה, מיליוני טוקנים ביום) ואיכות השמע יכולה להיות בסיסית מאוד, אולי תשקול חלופה זולה יותר כמו Google's TTS Lite או מודל TTS בעלות נמוכה מספק אחר. עם זאת, שום מודל זול יותר אינו מסופק במפורש בעובדות. לחלופין, אם אתה צריך סטרימינג בזמן אמת עם העלות הנמוכה ביותר האפשרית לתו, תוכל להעריך מודלים שגובים לפי תו במקום לפי טוקן. עלות הטוקן של הפלט של מודל זה גבוהה יחסית לעלות הקלט, כך שתרחישים של טקסט לדיבור (TTS) שמייצרים אודיו ארוך מטקסט קצר עשויים להיות חסכוניים, בעוד יצירת אודיו קצר מטקסט ארוך עלולה להיות פחות חסכונית. תמיד בצע Benchmark (בנצ'מרק) לעומס העבודה הספציפי שלך כדי להשוות תמחור.
אם האפליקציה שלך דורשת איכות שמע ברמת אולפן, טונים רגשיים אקספרסיביים או דיאלוג רב-קולי, ייתכן שתזדקק למודל TTS יקר יותר כמו Google Cloud Text-to-Speech (WaveNet) או Amazon Polly עם קולות נוירליים. מודלים אלה מציעים אפשרויות קול מרובות, תמיכה ב-SSML וטבעיות גבוהה יותר, אך במחיר גבוה יותר לפי תו או לשנייה. google/gemini-2.5-flash-preview-tts הוא תצוגה מקדימה המותאמת למהירות ולעלות, כך שהוא עשוי שלא להתאים לניואנסים של פתרונות TTS ארגוניים ייעודיים. הערך דגימה קטנה מהטקסט שלך באמצעות מודל זה לעומת חלופות כדי לקבוע אם האיכות עומדת בדרישותיך.
לא פורסמו אמות מידה ספציפיות לזמן השהיה עבור דגם התצוגה המקדימה הזה. בתור גרסה של Gemini 2.5 Flash, הוא מתוכנן להסקה בהשהיה נמוכה. בפועל, זמן התגובה תלוי באורך הטקסט, בהשהיית הרשת לשרתי גוגל דרך OrcaRouter, ובעומס הנוכחי. המשתמשים אמורים לצפות ליצירה מהירה במידה בינונית עבור טקסטים קצרים (למשל, כמה משפטים), כאשר טקסטים ארוכים ייקחו זמן ארוך יותר באופן יחסי. מכיוון שהוא משתמש בדגם Flash, הוא אמור להצליח יותר מדגמי TTS איטיים ואיכותיים, אך ייתכן שלא יהיה מהיר כמו דגמים קלים במיוחד. לצורך מדידת השהיה מדויקת, הריצו מבחני עומס עם גדלי קלט אופייניים באמצעות ה-API של OrcaRouter.
בהתבסס על מידע ציבורי על Gemini 2.5 Flash, היתרונות כוללים הסקה מהירה, עלות-תועלת (מחיר נמוך לאסימון קלט), ודיבור בעל צליל טבעי עבור מודל קל משקל. סטטוס התצוגה המקדימה מספק גישה מוקדמת לטכנולוגיית ה-TTS העדכנית ביותר של Google. תמחור ללא תוספת דרך OrcaRouter מבטיח שאתה משלם רק את תעריף הספק. תמחור אסימוני קלט ($0.50 למיליון) הוא מהנמוכים ביותר עבור מודלי TTS. הארכיטקטורה של Flash מרמזת גם על טביעת רגל פחמנית נמוכה יותר לכל בקשה בהשוואה למודלים גדולים יותר.
המודל הזה נמצא בתצוגה מקדימה, ולכן אמינות וזמינות אינן מובטחות. לא מסופקים ציוני אמת מידה (למשל, MOS, CER). הוא חסר תכונות שנמצאות בשירותי TTS בוגרים: אין תמיכה ב-SSML, אפשרויות קול מוגבלות, אין שליטה על רגש, אין אימון קול מותאם אישית. איכות הפלט עשויה להיות לא עקבית בשפות או מבטאים שונים. בשל תמחור מבוסס אסימונים, שתיקות ארוכות או אסימונים שאינם דיבור עלולים להגדיל את העלות באופן בלתי צפוי. אין מידע על פורמט האודיו (למשל, WAV, MP3), קצב דגימה או עומק סיביות. על המשתמשים לוודא תאימות עם צינור עיבוד האודיו שלהם.
משפחת Gemini 2.5 Flash של גוגל היא משפחה לשימוש כללי; הגרסה ה-TTS מתמחה ביצירת דיבור. בהשוואה למודל Gemini Flash גנרי (המוציא טקסט), גרסת ה-TTS מוסיפה מפענח לאסימוני אודיו, מה שהופך אותה למתאימה יותר לאודיו אך איטית יותר פוטנציאלית בשלב הפענוח. לא ניתן להשוותה ישירות למודלי Flash המיועדים לטקסט בלבד. באופן ספציפי ל-TTS, היא מתחרה במודלים כמו OpenAI TTS-1, Microsoft Edge TTS וחלופות קוד פתוח. אין מדדי ביצועים בין-מודליים זמינים לתצוגה מקדימה זו, ולכן השוואות ישירות הן ספקולטיביות.
התמחור הוא לפי טוקן: $0.50 לכל מיליון טוקני קלט ו-$10.00 לכל מיליון טוקני פלט. טוקני קלט הם הטקסט שאתה שולח למודל. טוקני פלט הם טוקני האודיו שנוצרים. OrcaRouter מחייבת בתעריף הספק ללא תוספת מחיר. אין עמלות נוספות לשימוש ב-API מעבר לצריכת טוקנים. חיובים מוחלים גם על בקשות מוצלחות וגם על כושלות אם טוקנים עובדו. טוקנים שלא נעשה בהם שימוש אינם מחויבים. החיוב הוא בדרך כלל חודשי, אך בדוק בחשבון OrcaRouter שלך לפרטים. טוקנים נספרים על ידי הטוקנייזר של Google, אשר עשוי להשתנות ממודלים אחרים.
תשומות הפלט יקרות פי 20 מהתשומות הקלט ($10 לעומת $0.50 למיליון). זה אופייני למודלי TTS מכיוון שייצור אודיו כבד מבחינה חישובית. לכן, שתיקות ארוכות או הפסקות ממושכות בקלט יכולות להגדיל את מספר תשומות הפלט מבלי לשאת מידע. אופטימיזציה של טקסט הקלט להיות תמציתי יכולה להפחית עלויות. לעומת זאת, עלות תשומות הקלט זניחה; תוכל לספק הקשר מפורט ללא קנס גדול. אם מקרה השימוש שלך דורש הפקת אודיו קצר מאוד מטקסט ארוך מאוד (למשל, תגובה קצרה ממסמך ארוך), יחס העלויות עשוי להיות נוח.
לא מוזכרים תוכניות מטמון ספציפיות או תוכניות הנחה בעובדות שסופקו. OrcaRouter אינו מציע מטמון מובנה עבור פלטי מודל. כל בקשה מעובדת טרייה על ידי השרתים של Google. חלק מהפלטפורמות מציעות מטמון של בקשות זהות, אך הדבר לא אושר עבור OrcaRouter. עבור משתמשים עם נפח גבוה, יש ליצור קשר עם OrcaRouter כדי לברר לגבי הנחות פוטנציאליות מבוססות נפח או קיבולת שמורה. עד אז, יש להניח שתמחור לפי טוקן חל על כל בקשה.
בהשוואה לשירותי TTS נפוצים: Google Cloud Text-to-Speech גובה תשלום לפי תו (למשל, $0.000004 לתו בסטנדרטי, $0.000016 ב-WaveNet). OpenAI TTS-1 גובה $0.015 לכל 1000 תווים. בהמרה לתשלום לפי טוקן: המודל הזה במחיר של $10 למיליון טוקנים ביציאה עשוי להיות תחרותי לטקסטים קצרים אך יקר לאודיו ארוך. מכיוון שלא נתון יחס תווים-לטוקנים, על המשתמשים לבדוק עם התוכן שלהם. ה-zero-markup מ-OrcaRouter הוא יתרון על פני ספקי API שמוסיפים תקורה.
אתה משתמש ב-API התואם ל-OpenAI של OrcaRouter בכתובת הבסיס https://api.orcarouter.ai/v1. שלח בקשת POST לנקודת הקצה chat/completions או audio (אם זמינה) עם מזהה הדגם 'google/gemini-2.5-flash-preview-tts'. עבור TTS רגיל, ייתכן שתצטרך להשתמש בנקודת קצה ייעודית ליצירת אודיו; עיין בתיעוד של OrcaRouter כדי למצוא את הנתיב הנכון. כלול את מפתח ה-API שלך בכותרת Authorization. גוף הבקשה מכיל בדרך כלל את הטקסט להמרה, ובאופן אופציונלי פרמטרים כמו קול או מהירות (אם נתמכים). האודיו מוחזר כאסימונים מקודדים ב-base64 או כקישור להורדה, בהתאם לנקודת הקצה.
פרמטרים נפוצים הנתמכים על ידי ממשקי API התואמים ל-OpenAI כוללים: 'model' (חובה: 'google/gemini-2.5-flash-preview-tts'), 'messages' או 'prompt' עם הטקסט, 'temperature' ו-'top_p' (עשויים להשפיע על שינוי האודיו אם נתמך), 'max_tokens' (מגביל אורך פלט). עם זאת, עבור TTS, רבים מאלה עשויים שלא לחול. המודל עשוי לתמוך בפרמטרים 'voice' או 'speed'. אין פרמטרים ספציפיים המתועדים בעובדות שסופקו. בדוק את הפניה ל-API של OrcaRouter עבור מודל זה. אם המודל אינו תומך בפרמטר, הוא יתעלם או יחזיר שגיאה.
אם אתה עובר מספק אחר (לדוגמה, Google Cloud TTS, AWS Polly, OpenAI TTS), עליך לשנות את ה-endpoint שלך ל-https://api.orcarouter.ai/v1 ולעדכן את האימות שלך לשימוש ב-API key של OrcaRouter. עדכן את המזהה של המודל ל-'google/gemini-2.5-flash-preview-tts'. לאחר מכן, התאם את פורמט הבקשה שלך לסכמה תואמת-OpenAI. לדוגמה, אם בעבר שלחת טקסט בשדה ספציפי, כעת תשתמש במערך 'messages' או בפרמטר 'prompt'. פורמט הפלט האודיו עשוי להיות שונה; ייתכן שתצטרך לפענח תגובות base64. בצע בדיקה עם בקשה קטנה לפני העברת תעבורת הייצור.
OrcaRouter מספק API תואם-OpenAI עם נקודות קצה אפשריות: /v1/chat/completions לטקסט-לטקסט, ואולי /v1/audio/speech ל-TTS. עבור מודל זה, נקודת הקצה המתאימה היא ככל הנראה נקודת הקצה של דיבור אודיו. אם זו אינה זמינה, ייתכן שתצטרך להשתמש בנקודת הקצה completions עם פרמטרים מיוחדים. העובדות מציינות שהמודל נגיש דרך ה-API התואם-OpenAI של OrcaRouter בכתובת base_url https://api.orcarouter.ai/v1 עם מזהה מודל 'google/gemini-2.5-flash-preview-tts'. אשר עם התיעוד של OrcaRouter איזו נקודת קצה יש להשתמש ליצירת אודיו.
Google Cloud TTS מציעה סוגי קול מרובים (Standard, WaveNet, Studio) עם תמיכה ב-SSML, יצירת קול מותאמת אישית ומגוון רחב של שפות. התמחור הוא לפי תו. מודל התצוגה המקדימה הזה (gemini-2.5-flash-preview-tts) משתמש בחיוב מבוסס אסימונים ומהווה גרסת Flash המותאמת למהירות ועלות נמוכה. סביר להניח שהוא פחות עשיר בתכונות מ-Cloud TTS, אך עשוי להיות חסכוני יותר עבור משימות TTS פשוטות בהיקף גדול. google/gemini-2.5-flash-preview-tts הוא מודל בתצוגה מקדימה, בעוד ש-Cloud TTS זמין בדרך כלל עם SLAs. אם אתה זקוק לאמינות ולתכונות מתקדמות, Cloud TTS בטוח יותר; אם אתה רוצה השהייה נמוכה ועלות נמוכה, נסה את המודל הזה.
OpenAI TTS-1 גובה $0.015 לכל 1,000 תווים. שני הדגמים מייצרים אודיו מטקסט. הדגם של OpenAI ידוע בקולות אקספרסיביים ובאימוץ נרחב, אך יש לו מודל תמחור שונה (לפי תו). google/gemini-2.5-flash-preview-tts משתמש בתמחור לפי אסימון (per-token), שעשוי להיות זול יותר לטקסט קצר מאוד אך יקר יותר לטקסט ארוך (מאחר שתו אחד עשוי להשתוות למספר אסימונים). OpenAI TTS-1 יציב ומוכן לייצור, בעוד הדגם של Google הוא תצוגה מקדימה (preview). ניתן להשתמש בשניהם דרך OrcaRouter על ידי החלפת מזהי דגם. בדקו את מקרה השימוש הספציפי שלכם כדי להשוות עלות ואיכות שמע.
מודלי TTS בקוד פתוח כמו Coqui TTS, Piper או Bark הם חינמיים אך דורשים אחסון, תחזוקה ומשאבי GPU. הם מציעים התאמה אישית אך חסרים את המהירות והפשטות של קריאת API. google/gemini-2.5-flash-preview-tts דרך OrcaRouter מבטל את תקורות התשתית ומספק מודל תשלום לפי שימוש. עבור פרויקטים כתחביב, קוד פתוח עשוי להיות זול יותר; עבור ייצור עם חביון מינימלי וניהול, ה־API קל יותר. המהירות והעלות של מודל התצוגה המקדימה עשויות להיות תחרותיות עם חלק ממודלי הקוד הפתוח כאשר לוקחים בחשבון עלויות אחסון.
Amazon Polly מציעה מגוון קולות, תמיכה ב-SSML, ו-Free Tier (5 מיליון תווים בחודש). התמחור הוא לפי תו (Standard $0.000004, Neural $0.000016). google/gemini-2.5-flash-preview-tts מבוסס על טוקנים, וסטטוס ה-preview שלו משמעו שאין SLAs או free tier. לשימוש בנפח נמוך, ה-free tier של Polly אטרקטיבי. לשימוש בנפח גבוה, תמחור הטוקנים של מודל זה עשוי להיות זול יותר או יקר יותר בהתאם לדחיסה. Polly תומכת בשפות רבות ובתכונות כמו לקסיקוני הגייה. מודל זה פשוט יותר אך מהיר יותר ובעלות נמוכה יותר בהתאם לשימוש.
תואם OpenAI — המשיכו להשתמש ב-SDK שכבר יש לכם
https://api.orcarouter.ai/v1voice| קלט / 1M טוקנים | $0.500 |
|---|---|
| פלט / 1M tokens | $10.00 |
| מטבע | USD |
הערכה מבוססת מחיר מחירון
הערכה בלבד — ספירת הטוקנים בפועל תלויה בטוקנייזר של הספק.
על מה מפתחים מדברים השבוע
GET /api/public/models/google/gemini-2.5-flash-preview-ttsפתיחה @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