Model text-to-speech pratinjau Google melalui OrcaRouter — generasi audio berbiaya rendah dari input teks.
google/gemini-2.5-flash-preview-tts adalah model teks-ke-ucapan yang dikembangkan oleh Google, saat ini dalam tahap pratinjau. Model ini mengonversi input teks menjadi audio ucapan, memanfaatkan…
Model ini mengubah teks menjadi ucapan, menangani tugas text-to-speech yang umum: membaca paragraf, menghasilkan sulih suara, dan membuat audio untuk aksesibilitas. Model ini mendukung tanda baca dan ekspresi numerik secara alami. Karena merupakan model Flash, model ini dioptimalkan untuk throughput dan dapat memproses teks dalam jumlah besar dengan cepat. Model ini tidak mendukung transkripsi (ucapan-ke-teks), terjemahan bahasa, atau input multimodal. Keluaran audio cocok untuk pemutaran di aplikasi. Tidak ada kepribadian suara atau aksen spesifik yang dikonfirmasi untuk pratinjau ini. Pengguna harus menguji dengan teks mereka sendiri untuk menilai kualitas audio dan kealamian.
Model ini unggul dalam skenario di mana biaya rendah dan latensi rendah lebih penting daripada kualitas audio setara studio. Kasus penggunaan terbaik meliputi: menghasilkan narasi untuk video pendek, podcast, dan konten media sosial; menyediakan audio untuk chatbot dan asisten virtual; membuat versi audio dari artikel berita atau posting blog; membuat purwarupa fitur TTS sebelum berinvestasi pada model yang lebih canggih; serta melayani audiens multibahasa jika model mendukung bahasa yang diperlukan. Karena harga token keluaran adalah $10 per juta, ini ekonomis untuk menghasilkan audio non-kritis di mana artefak sesekali masih dapat diterima.
Jika kasus penggunaan Anda melibatkan volume yang sangat tinggi (misalnya, jutaan token per hari) dan kualitas audio bisa sangat dasar, Anda dapat mempertimbangkan alternatif yang lebih murah seperti Google's TTS Lite atau model TTS berbiaya rendah dari penyedia lain. Namun, tidak ada model yang lebih murah yang secara eksplisit disediakan dalam fakta-fakta tersebut. Atau, jika Anda membutuhkan streaming waktu-nyata dengan biaya paling rendah per karakter, Anda dapat mengevaluasi model yang mengenakan biaya per karakter, bukan per token. Biaya token output model ini relatif tinggi dibandingkan dengan biaya input, sehingga skenario text-to-speech yang menghasilkan audio panjang dari teks pendek mungkin hemat biaya, sementara menghasilkan audio pendek dari teks panjang bisa kurang hemat biaya. Selalu ukur tolok ukur beban kerja spesifik Anda untuk membandingkan harga.
Jika aplikasi Anda membutuhkan audio kelas studio, nada emosi ekspresif, atau dialog multi-suara, Anda mungkin perlu model TTS yang lebih mahal seperti Google Cloud Text-to-Speech (WaveNet) atau Amazon Polly dengan suara neural. Model-model ini menawarkan berbagai pilihan suara, dukungan SSML, dan naturalness yang lebih tinggi, tetapi dengan harga per karakter atau per detik yang lebih tinggi. google/gemini-2.5-flash-preview-tts adalah pratinjau yang dioptimalkan untuk kecepatan dan biaya, sehingga mungkin tidak menyamai nuansa solusi TTS perusahaan khusus. Evaluasi sampel kecil teks Anda dengan model ini versus alternatif untuk menentukan apakah kualitasnya memenuhi kebutuhan Anda.
Tidak ada tolok ukur latensi spesifik yang dipublikasikan untuk model pratinjau ini. Sebagai varian Gemini 2.5 Flash, model ini dirancang untuk inferensi latensi rendah. Dalam praktiknya, waktu respons bergantung pada panjang teks, latensi jaringan ke server Google melalui OrcaRouter, dan beban saat ini. Pengguna harus mengharapkan generasi yang cukup cepat untuk teks pendek (misalnya, beberapa kalimat), dengan teks yang lebih panjang memakan waktu secara proporsional lebih lama. Karena menggunakan model Flash, ia seharusnya mengungguli model TTS berkualitas tinggi yang lebih lambat, tetapi mungkin tidak secepat model yang sangat ringan. Untuk pengukuran latensi yang presisi, jalankan uji beban dengan ukuran input tipikal menggunakan API OrcaRouter.
Berdasarkan informasi publik tentang Gemini 2.5 Flash, kelebihan termasuk inferensi cepat, efisiensi biaya (harga token input rendah), dan suara yang terdengar alami untuk model ringan. Status pratinjau berarti akses awal ke teknologi TTS terbaru Google. Harga tanpa markup melalui OrcaRouter memastikan Anda hanya membayar tarif penyedia. Harga token input ($0.50 per juta) termasuk yang terendah untuk model TTS. Arsitektur Flash juga menyiratkan jejak karbon per permintaan yang lebih rendah dibandingkan model yang lebih besar.
Model ini masih dalam pratinjau, sehingga keandalan dan ketersediaan tidak dijamin. Tidak ada skor tolok ukur (misalnya, MOS, CER) yang disediakan. Ia tidak memiliki fitur yang ditemukan di layanan TTS matang: tidak ada dukungan SSML, pilihan suara terbatas, tidak ada kontrol emosi, tidak ada pelatihan suara kustom. Kualitas keluaran mungkin tidak konsisten di berbagai bahasa atau aksen. Karena penetapan harga berbasis token, keheningan panjang atau token non-ucapan dapat meningkatkan biaya secara tidak terduga. Tidak ada informasi tentang format audio (misalnya, WAV, MP3), laju sampel, atau kedalaman bit. Pengguna harus memverifikasi kompatibilitas dengan saluran pemrosesan audio mereka.
Google's Gemini 2.5 Flash adalah keluarga serbaguna; varian TTS dikhususkan untuk pembuatan ucapan. Dibandingkan dengan model Gemini Flash generik (yang menghasilkan teks), versi TTS menambahkan dekoder untuk token audio, sehingga lebih cocok untuk audio tetapi berpotensi lebih lambat karena langkah decoding. Ini tidak bisa langsung dibandingkan dengan model Flash khusus teks. Untuk TTS secara spesifik, ia bersaing dengan model seperti OpenAI TTS-1, Microsoft Edge TTS, dan alternatif sumber terbuka. Tidak ada tolok ukur lintas model yang tersedia untuk pratinjau ini, sehingga perbandingan langsung bersifat spekulatif.
Harga adalah per token: $0.50 per 1 juta token input dan $10.00 per 1 juta token output. Token input adalah teks yang Anda kirim ke model. Token output adalah token audio yang dihasilkan. OrcaRouter menagih dengan tarif penyedia tanpa markup. Tidak ada biaya tambahan untuk menggunakan API selain konsumsi token. Biaya dikenakan untuk permintaan yang berhasil maupun gagal jika token diproses. Token yang tidak digunakan tidak dikenakan biaya. Penagihan biasanya bulanan, tetapi periksa akun OrcaRouter Anda untuk detailnya. Token dihitung oleh tokenizer Google, yang mungkin berbeda dari model lain.
Token keluaran 20 kali lebih mahal daripada token masukan ($10 vs $0,50 per juta). Ini tipikal untuk model TTS karena menghasilkan audio membutuhkan komputasi yang intensif. Oleh karena itu, keheningan panjang atau jeda yang diperpanjang dalam masukan dapat meningkatkan jumlah token keluaran tanpa membawa informasi. Mengoptimalkan teks masukan agar ringkas dapat mengurangi biaya. Sebaliknya, biaya token masukan dapat diabaikan; Anda dapat memberikan konteks yang mendetail tanpa banyak penalti. Jika kasus penggunaan Anda memerlukan pembuatan audio yang sangat pendek dari teks yang sangat panjang (misalnya, respons singkat dari dokumen panjang), rasio biaya mungkin menguntungkan.
Tidak ada program caching atau diskon khusus yang disebutkan dalam fakta yang diberikan. OrcaRouter tidak menawarkan caching bawaan untuk output model. Setiap permintaan diproses secara baru oleh server Google. Beberapa platform menawarkan caching untuk permintaan yang identik, tetapi hal ini tidak dikonfirmasi untuk OrcaRouter. Untuk pengguna dengan volume tinggi, hubungi OrcaRouter untuk menanyakan potensi diskon berdasarkan volume atau kapasitas yang dipesan. Sampai saat itu, asumsikan bahwa penetapan harga per token berlaku untuk setiap permintaan.
Dibandingkan dengan layanan TTS umum: Google Cloud Text-to-Speech mengenakan biaya per karakter (misalnya, $0.000004 per karakter untuk Standard, $0.000016 untuk WaveNet). OpenAI TTS-1 mengenakan biaya $0.015 per 1000 karakter. Jika dikonversi ke per-token: model ini seharga $10 per juta token keluaran mungkin kompetitif untuk teks pendek tetapi mahal untuk audio yang panjang. Karena tidak ada rasio karakter-ke-token yang diberikan, pengguna harus menguji dengan konten mereka. Markup nol dari OrcaRouter merupakan keuntungan dibandingkan API penyedia yang menambahkan biaya tambahan.
Anda menggunakan API yang kompatibel dengan OpenAI dari OrcaRouter di base URL https://api.orcarouter.ai/v1. Kirim permintaan POST ke chat/completions atau endpoint audio (jika tersedia) dengan ID model 'google/gemini-2.5-flash-preview-tts'. Untuk TTS standar, Anda mungkin perlu menggunakan endpoint pembuatan audio khusus; konsultasikan dokumentasi OrcaRouter untuk rute yang benar. Sertakan kunci API Anda di header Authorization. Isi permintaan biasanya berisi teks yang akan dikonversi, dan secara opsional parameter seperti suara atau kecepatan (jika didukung). Audio dikembalikan sebagai token yang dienkode base64 atau URL unduhan, tergantung pada endpoint.
Parameter umum yang didukung oleh API yang kompatibel dengan OpenAI meliputi: 'model' (wajib: 'google/gemini-2.5-flash-preview-tts'), 'messages' atau 'prompt' dengan teks, 'temperature' dan 'top_p' (dapat mempengaruhi variasi audio jika didukung), 'max_tokens' (membatasi panjang output). Namun, untuk TTS, banyak dari parameter ini mungkin tidak berlaku. Model mungkin mendukung parameter 'voice' atau 'speed'. Tidak ada parameter spesifik yang didokumentasikan dalam fakta yang diberikan. Periksa referensi API OrcaRouter untuk model ini. Jika model tidak mendukung suatu parameter, parameter tersebut akan diabaikan atau mengembalikan kesalahan.
Jika Anda melakukan migrasi dari penyedia lain (mis., Google Cloud TTS, AWS Polly, OpenAI TTS), Anda perlu mengubah endpoint Anda menjadi https://api.orcarouter.ai/v1 dan memperbarui autentikasi Anda untuk menggunakan kunci API OrcaRouter. Perbarui pengenal model menjadi 'google/gemini-2.5-flash-preview-tts'. Kemudian, sesuaikan format permintaan Anda ke skema yang kompatibel dengan OpenAI. Sebagai contoh, jika sebelumnya Anda mengirim teks di kolom tertentu, sekarang Anda akan menggunakan array 'messages' atau parameter 'prompt'. Format output audio mungkin berbeda; Anda mungkin perlu mengurai respons base64. Uji coba dengan permintaan kecil sebelum memigrasikan lalu lintas produksi.
OrcaRouter menyediakan API yang kompatibel dengan OpenAI dengan kemungkinan endpoint: /v1/chat/completions untuk teks-ke-teks, dan mungkin /v1/audio/speech untuk TTS. Untuk model ini, endpoint yang sesuai kemungkinan adalah endpoint audio speech. Jika itu tidak tersedia, Anda mungkin perlu menggunakan endpoint completions dengan parameter khusus. Fakta menyatakan model diakses melalui API yang kompatibel dengan OpenAI dari OrcaRouter di base_url https://api.orcarouter.ai/v1 dengan model id 'google/gemini-2.5-flash-preview-tts'. Konfirmasi dengan dokumentasi OrcaRouter endpoint mana yang akan digunakan untuk menghasilkan audio.
Google Cloud TTS menawarkan berbagai jenis suara (Standard, WaveNet, Studio) dengan dukungan SSML, pembuatan suara kustom, dan beragam bahasa. Harga dihitung per karakter. Model pratinjau ini (gemini-2.5-flash-preview-tts) menggunakan penagihan berbasis token dan merupakan varian Flash yang dioptimalkan untuk kecepatan dan biaya rendah. Kemungkinan fiturnya tidak sekaya Cloud TTS, tetapi mungkin lebih hemat biaya untuk TTS sederhana dengan volume tinggi. google/gemini-2.5-flash-preview-tts adalah pratinjau, sedangkan Cloud TTS tersedia secara umum dengan SLA. Jika Anda membutuhkan keandalan dan fitur canggih, Cloud TTS lebih aman; jika Anda menginginkan latensi rendah dan biaya rendah, coba model ini.
OpenAI TTS-1 mengenakan biaya $0.015 per 1000 karakter. Kedua model menghasilkan audio dari teks. Model OpenAI dikenal dengan suara ekspresif dan adopsi luas, tetapi memiliki model harga yang berbeda (per karakter). google/gemini-2.5-flash-preview-tts menggunakan harga per-token, yang mungkin lebih murah untuk teks yang sangat pendek tetapi lebih mahal untuk teks panjang (karena satu karakter bisa setara dengan beberapa token). OpenAI TTS-1 stabil dan siap produksi, sedangkan model Google masih dalam pratinjau. Anda dapat menggunakan keduanya melalui OrcaRouter dengan mengganti ID model. Uji kasus penggunaan spesifik Anda untuk membandingkan biaya dan kualitas audio.
Model TTS sumber terbuka seperti Coqui TTS, Piper, atau Bark gratis tetapi memerlukan hosting, pemeliharaan, dan sumber daya GPU. Mereka menawarkan penyesuaian tetapi tidak memiliki kecepatan dan kesederhanaan panggilan API. google/gemini-2.5-flash-preview-tts melalui OrcaRouter menghilangkan beban infrastruktur dan menyediakan model bayar-per-pakai. Untuk proyek hobi, sumber terbuka mungkin lebih murah; untuk produksi dengan latensi dan manajemen minimal, API lebih mudah. Kecepatan dan biaya model pratinjau mungkin kompetitif dengan beberapa model sumber terbuka jika mempertimbangkan biaya hosting.
Amazon Polly menawarkan berbagai suara, dukungan SSML, dan Tingkat Gratis (5 juta karakter per bulan). Harga dihitung per karakter (Standar $0,000004, Neural $0,000016). google/gemini-2.5-flash-preview-tts berbasis token, dan status pratinjaunya berarti tidak ada SLA atau tingkat gratis. Untuk penggunaan volume rendah, tingkat gratis Polly menarik. Untuk volume tinggi, harga token model ini mungkin lebih murah atau lebih mahal tergantung kompresi. Polly mendukung banyak bahasa dan fitur seperti leksikon pengucapan. Model ini lebih sederhana tetapi lebih cepat dan lebih murah tergantung penggunaan.
Kompatibel OpenAI — pakai SDK Anda yang sekarang
https://api.orcarouter.ai/v1voice| Input / 1M token | $0.500 |
|---|---|
| Output / 1M token | $10.00 |
| Mata uang | USD |
Perkiraan berdasarkan harga daftar
Hanya perkiraan — jumlah token sebenarnya bergantung pada tokenizer penyedia.
Yang dibicarakan developer minggu ini
GET /api/public/models/google/gemini-2.5-flash-preview-ttsBuka @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