Il modello di sintesi vocale in anteprima di Google tramite OrcaRouter — generazione audio a basso costo da input di testo.
google/gemini-2.5-flash-preview-tts è un modello text-to-speech sviluppato da Google, attualmente in anteprima. Converte input testuali in audio vocale, sfruttando l'architettura Gemini 2.5 Flash per…
Il modello converte il testo in parlato, gestendo le tipiche attività di sintesi vocale: lettura di paragrafi, generazione di voiceover e creazione di audio per l'accessibilità. Supporta naturalmente la punteggiatura e le espressioni numeriche. Poiché si tratta di un modello Flash, è ottimizzato per la produttività e può elaborare rapidamente grandi volumi di testo. Non supporta la trascrizione (da parlato a testo), la traduzione linguistica né input multimodali. L'audio prodotto è adatto alla riproduzione nelle applicazioni. Per questa anteprima non sono confermate personalità vocali o accenti specifici. Gli utenti dovrebbero testare con il proprio testo per valutare la qualità e la naturalezza dell'audio.
Questo modello eccelle in scenari in cui basso costo e bassa latenza sono più importanti della qualità audio da studio. I migliori casi d'uso includono: generare narrazione per video brevi, podcast e contenuti sui social media; fornire audio per chatbot e assistenti virtuali; creare versioni audio di articoli di notizie o post di blog; prototipare funzionalità TTS prima di investire in modelli di fascia alta; e servire un pubblico multilingue se il modello supporta le lingue necessarie. Poiché il prezzo per token di output è $10 per milione, è economico per generare audio non critico dove occasionali artefatti sono accettabili.
Se il tuo caso d'uso coinvolge volumi estremamente elevati (ad esempio, milioni di token al giorno) e la qualità audio può essere molto basilare, potresti considerare un'alternativa più economica come Google TTS Lite o un modello TTS a basso costo di un altro fornitore. Tuttavia, nessun modello più economico è esplicitamente fornito nei dati. In alternativa, se hai bisogno di streaming in tempo reale con il costo più basso possibile per carattere, potresti valutare modelli che addebitano per carattere anziché per token. Il costo dei token di output di questo modello è relativamente alto rispetto al costo di input, quindi gli scenari di sintesi vocale che generano audio lungo da testo breve possono essere convenienti, mentre generare audio breve da testo lungo potrebbe esserlo meno. Confronta sempre i prezzi analizzando il tuo carico di lavoro specifico.
Se la tua applicazione richiede audio di livello professionale, toni emotivi espressivi o dialoghi multivoce, potresti aver bisogno di un modello TTS più costoso come Google Cloud Text-to-Speech (WaveNet) o Amazon Polly con voci neurali. Questi modelli offrono molteplici opzioni vocali, supporto SSML e una maggiore naturalezza, ma a prezzi più elevati per carattere o al secondo. google/gemini-2.5-flash-preview-tts è un'anteprima ottimizzata per velocità e costo, quindi potrebbe non eguagliare la finezza delle soluzioni TTS aziendali dedicate. Valuta un piccolo campione del tuo testo con questo modello rispetto alle alternative per determinare se la qualità soddisfa i tuoi requisiti.
Non sono pubblicati benchmark specifici di latenza per questo modello in anteprima. In quanto variante di Gemini 2.5 Flash, è progettato per l'inferenza a bassa latenza. In pratica, il tempo di risposta dipende dalla lunghezza del testo, dalla latenza di rete verso i server di Google tramite OrcaRouter e dal carico attuale. Gli utenti dovrebbero aspettarsi una generazione moderatamente veloce per testi brevi (ad esempio, poche frasi), mentre testi più lunghi richiedono proporzionalmente più tempo. Poiché utilizza un modello Flash, dovrebbe superare i modelli TTS più lenti e di alta qualità, ma potrebbe non essere veloce come i modelli ultra-leggeri. Per una misurazione precisa della latenza, esegui test di carico con dimensioni di input tipiche utilizzando l'API di OrcaRouter.
Basandosi sulle informazioni pubbliche su Gemini 2.5 Flash, i punti di forza includono inferenza rapida, efficienza dei costi (basso prezzo dei token di input) e un parlato dal suono naturale per un modello leggero. Lo stato di anteprima significa accesso anticipato alla più recente tecnologia TTS di Google. I prezzi senza markup tramite OrcaRouter garantiscono che tu paghi solo la tariffa del fornitore. Il prezzo dei token di input ($0.50 per milione) è tra i più bassi per i modelli TTS. L'architettura Flash implica anche una minore impronta di carbonio per richiesta rispetto a modelli più grandi.
Questo modello è in anteprima, quindi affidabilità e disponibilità non sono garantite. Non vengono forniti punteggi di benchmark (ad es. MOS, CER). Manca di funzionalità presenti nei servizi TTS maturi: nessun supporto SSML, opzioni vocali limitate, nessun controllo delle emozioni, nessun addestramento vocale personalizzato. La qualità dell'output potrebbe essere incoerente tra lingue o accenti diversi. A causa del pricing basato su token, lunghi silenzi o token non vocali potrebbero aumentare i costi in modo imprevedibile. Non ci sono informazioni sul formato audio (ad es. WAV, MP3), frequenza di campionamento o profondità di bit. Gli utenti dovrebbero verificare la compatibilità con la loro pipeline di elaborazione audio.
Google's Gemini 2.5 Flash è una famiglia generica; la variante TTS è specializzata per la generazione vocale. Rispetto a un modello Gemini Flash generico (che produce testo), la versione TTS aggiunge un decodificatore per token audio, rendendola più adatta all'audio ma potenzialmente più lenta a causa della fase di decodifica. Non è direttamente confrontabile con i modelli Flash solo testo. Per la TTS in particolare, compete con modelli come OpenAI TTS-1, Microsoft Edge TTS e alternative open-source. Non sono disponibili benchmark incrociati per questa anteprima, quindi i confronti diretti sono speculativi.
Il prezzo è per token: $0.50 per 1 milione di token in input e $10.00 per 1 milione di token in output. I token in input sono il testo che invii al modello. I token in output sono i token audio generati. OrcaRouter fattura al costo del fornitore con margine zero. Non ci sono commissioni aggiuntive per l'uso dell'API oltre al consumo di token. Vengono addebitati i costi sia per le richieste riuscite che per quelle fallite se i token vengono elaborati. I token non utilizzati non vengono addebitati. La fatturazione è di solito mensile, ma verifica il tuo account OrcaRouter per i dettagli. I token vengono contati dal tokenizer di Google, che potrebbe differire da altri modelli.
I token di output sono 20 volte più costosi dei token di input ($10 vs $0.50 per milione). Questo è tipico per i modelli TTS perché generare audio è computazionalmente intensivo. Pertanto, silenzi lunghi o pause estese nell'input possono aumentare il conteggio dei token di output senza trasportare informazioni. Ottimizzare il testo di input per renderlo conciso può ridurre i costi. Al contrario, il costo dei token di input è trascurabile; è possibile fornire un contesto dettagliato senza una grossa penalità. Se il tuo caso d'uso richiede la generazione di audio molto breve da un testo molto lungo (ad esempio, una breve risposta da un lungo documento), il rapporto costo può essere favorevole.
Nelle informazioni fornite non vengono menzionati programmi specifici di caching o sconti. OrcaRouter non offre caching integrato per gli output del modello. Ogni richiesta viene elaborata ex novo dai server di Google. Alcune piattaforme offrono caching di richieste identiche, ma ciò non è confermato per OrcaRouter. Per gli utenti con volumi elevati, contattare OrcaRouter per chiedere informazioni su potenziali sconti basati sul volume o capacità riservata. Fino ad allora, supporre che la tariffazione per token si applichi a ogni richiesta.
Confrontando con i servizi TTS comuni: Google Cloud Text-to-Speech addebita per carattere (ad esempio, $0.000004 per carattere per Standard, $0.000016 per WaveNet). OpenAI TTS-1 addebita $0.015 per 1000 caratteri. Convertendo in per-token: $10 per milione di token di output di questo modello può essere competitivo per testi brevi ma costoso per audio lunghi. Poiché non viene fornito un rapporto carattere/token, gli utenti dovrebbero testare con il proprio contenuto. Il margine zero di OrcaRouter è un vantaggio rispetto alle API dei fornitori che aggiungono overhead.
Usi l'API compatibile con OpenAI di OrcaRouter all'URL base https://api.orcarouter.ai/v1. Invia una richiesta POST all'endpoint chat/completions o audio (se disponibile) con l'ID modello 'google/gemini-2.5-flash-preview-tts'. Per il TTS standard, potresti dover utilizzare un endpoint dedicato per la generazione audio; consulta la documentazione di OrcaRouter per il percorso corretto. Includi la tua chiave API nell'intestazione Authorization. Il corpo della richiesta contiene tipicamente il testo da convertire e, opzionalmente, parametri come voce o velocità (se supportati). L'audio viene restituito come token codificati in base64 o un URL di download, a seconda dell'endpoint.
I parametri comuni supportati dalle API compatibili con OpenAI includono: 'model' (obbligatorio: 'google/gemini-2.5-flash-preview-tts'), 'messages' o 'prompt' con il testo, 'temperature' e 'top_p' (possono influenzare la variazione audio, se supportati), 'max_tokens' (limita la lunghezza dell'output). Tuttavia, per TTS, molti di questi potrebbero non essere applicabili. Il modello potrebbe supportare i parametri 'voice' o 'speed'. Nessun parametro specifico è documentato nei dati forniti. Controlla il riferimento API di OrcaRouter per questo modello. Se il modello non supporta un parametro, verrà ignorato o restituirà un errore.
Se stai migrando da un altro fornitore (ad esempio, Google Cloud TTS, AWS Polly, OpenAI TTS), devi cambiare il tuo endpoint in https://api.orcarouter.ai/v1 e aggiornare la tua autenticazione per utilizzare la chiave API di OrcaRouter. Aggiorna l'identificatore del modello in 'google/gemini-2.5-flash-preview-tts'. Quindi, adatta il formato della tua richiesta allo schema compatibile con OpenAI. Ad esempio, se in precedenza inviavi il testo in un campo specifico, ora utilizzerai l'array 'messages' o il parametro 'prompt'. Il formato di output audio potrebbe essere diverso; potrebbe essere necessario analizzare le risposte in base64. Esegui un test con una richiesta piccola prima di migrare il traffico di produzione.
OrcaRouter fornisce un'API compatibile con OpenAI con endpoint probabili: /v1/chat/completions per testo-a-testo e possibilmente /v1/audio/speech per TTS. Per questo modello, l'endpoint appropriato è probabilmente l'endpoint audio speech. Se non è disponibile, potrebbe essere necessario utilizzare l'endpoint completions con parametri speciali. I fatti indicano che il modello è accessibile tramite l'API compatibile con OpenAI di OrcaRouter all'indirizzo base_url https://api.orcarouter.ai/v1 con id modello 'google/gemini-2.5-flash-preview-tts'. Conferma con la documentazione di OrcaRouter quale endpoint utilizzare per generare audio.
Google Cloud TTS offre molteplici tipi di voce (Standard, WaveNet, Studio) con supporto SSML, creazione di voci personalizzate e un'ampia gamma di lingue. Il prezzo è per carattere. Questo modello in anteprima (gemini-2.5-flash-preview-tts) utilizza la fatturazione basata su token ed è una variante Flash ottimizzata per velocità e basso costo. Probabilmente è meno ricco di funzionalità rispetto a Cloud TTS, ma può essere più conveniente per TTS semplici e ad alto volume. google/gemini-2.5-flash-preview-tts è un'anteprima, mentre Cloud TTS è generalmente disponibile con SLA. Se hai bisogno di affidabilità e funzionalità avanzate, Cloud TTS è più sicuro; se desideri bassa latenza e basso costo, prova questo modello.
OpenAI TTS-1 addebita $0,015 per 1000 caratteri. Entrambi i modelli generano audio a partire dal testo. Il modello di OpenAI è noto per voci espressive e ampia adozione, ma ha un modello di prezzo diverso (per carattere). google/gemini-2.5-flash-preview-tts utilizza un prezzo per token, che potrebbe risultare più economico per testi molto brevi, ma più costoso per testi lunghi (poiché un carattere può corrispondere a più token). OpenAI TTS-1 è stabile e pronto per la produzione, mentre il modello di Google è un'anteprima. Puoi utilizzare entrambi tramite OrcaRouter cambiando gli ID dei modelli. Testa il tuo caso d'uso specifico per confrontare costi e qualità audio.
I modelli TTS open-source come Coqui TTS, Piper o Bark sono gratuiti ma richiedono hosting, manutenzione e risorse GPU. Offrono personalizzazione, ma mancano della velocità e semplicità di una chiamata API. google/gemini-2.5-flash-preview-tts tramite OrcaRouter elimina il sovraccarico dell'infrastruttura e offre un modello pay-per-use. Per progetti amatoriali, l'open-source può essere più economico; per la produzione con latenza e gestione minime, l'API è più semplice. La velocità e il costo del modello in anteprima potrebbero essere competitivi con alcuni modelli open-source considerando i costi di hosting.
Amazon Polly offre una varietà di voci, supporto SSML e un livello gratuito (5 milioni di caratteri al mese). Il prezzo è per carattere (Standard $0.000004, Neural $0.000016). google/gemini-2.5-flash-preview-tts è basato su token e il suo stato di anteprima significa nessun SLA né livello gratuito. Per un utilizzo a basso volume, il livello gratuito di Polly è interessante. Per volumi elevati, il prezzo basato su token di questo modello potrebbe essere più economico o più costoso a seconda della compressione. Polly supporta molte lingue e funzionalità come i lessici di pronuncia. Questo modello è più semplice ma più veloce e meno costoso a seconda dell'utilizzo.
Compatibile con OpenAI: mantieni il tuo SDK
https://api.orcarouter.ai/v1voice| Input / 1M token | $0.500 |
|---|---|
| Output / 1M token | $10.00 |
| Valuta | USD |
Stima basata sul prezzo di listino
Solo una stima — il numero effettivo di token dipende dal tokenizzatore del provider.
Di cosa parlano gli sviluppatori questa settimana
GET /api/public/models/google/gemini-2.5-flash-preview-ttsApri @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