Предварительная модель преобразования текста в речь от Google через OrcaRouter — недорогая генерация аудио из текстового ввода.
google/gemini-2.5-flash-preview-tts — это модель преобразования текста в речь, разработанная Google (в настоящее время находится в предварительной версии). Она преобразует текстовый ввод в речевое…
Модель преобразует текст в речь, выполняя типичные задачи синтеза речи: чтение абзацев, генерацию голосовых озвучек и создание аудио для доступности. Она естественным образом поддерживает пунктуацию и числовые выражения. Поскольку это модель Flash, она оптимизирована для пропускной способности и может быстро обрабатывать большие объёмы текста. Она не поддерживает транскрипцию (распознавание речи), перевод языка или мультимодальные входные данные. Аудиовыход подходит для воспроизведения в приложениях. Для этой предварительной версии не подтверждены конкретные голосовые характеристики или акценты. Пользователям следует тестировать на своём тексте, чтобы оценить качество и естественность звучания.
Эта модель превосходно подходит для сценариев, где низкая стоимость и малая задержка важнее студийного качества звука. Основные варианты использования включают: создание озвучки для коротких видео, подкастов и контента в социальных сетях; обеспечение аудио для чат-ботов и виртуальных ассистентов; создание аудиоверсий новостных статей или блог-постов; прототипирование TTS-функций перед переходом на более дорогие модели; а также обслуживание многоязычной аудитории, если модель поддерживает требуемые языки. Поскольку цена выходного токена составляет $10 за миллион, это экономически выгодно для генерации некритичного аудио, где допустимы редкие артефакты.
Если ваш вариант использования предполагает чрезвычайно большие объемы (например, миллионы токенов в день) и качество аудио может быть очень базовым, вы можете рассмотреть более дешевую альтернативу, такую как Google TTS Lite или дешевую TTS-модель другого провайдера. Однако в фактах явно не указана более дешевая модель. В качестве альтернативы, если вам нужна потоковая передача в реальном времени с минимально возможной стоимостью за символ, вы можете оценить модели, которые взимают плату за символ, а не за токен. Стоимость выходных токенов этой модели относительно высока по сравнению со стоимостью входных, поэтому сценарии преобразования текста в речь, которые генерируют длинное аудио из короткого текста, могут быть экономически эффективными, в то время как генерация короткого аудио из длинного текста может быть менее эффективной. Всегда тестируйте свою конкретную рабочую нагрузку для сравнения цен.
Если ваше приложение требует студийного качества звука, выразительных эмоциональных тонов или многоголосового диалога, вам может потребоваться более дорогая модель TTS, такая как Google Cloud Text-to-Speech (WaveNet) или Amazon Polly с нейронными голосами. Эти модели предлагают множество вариантов голосов, поддержку SSML и более высокую естественность, но по более высокой цене за символ или за секунду. google/gemini-2.5-flash-preview-tts — это предварительная версия, оптимизированная по скорости и стоимости, поэтому она может не соответствовать нюансам выделенных корпоративных решений TTS. Оцените небольшой образец вашего текста с помощью этой модели и альтернатив, чтобы определить, соответствует ли качество вашим требованиям.
Никаких конкретных показателей задержки для этой предварительной модели не опубликовано. Будучи вариантом Gemini 2.5 Flash, она спроектирована для низкой задержки при инференсе. На практике время отклика зависит от длины текста, задержки сети до серверов Google через OrcaRouter и текущей нагрузки. Пользователи могут ожидать умеренно быстрой генерации для коротких текстов (например, нескольких предложений), в то время как более длинные тексты требуют пропорционально больше времени. Поскольку используется модель Flash, она должна превосходить более медленные высококачественные TTS-модели, но может не быть такой же быстрой, как сверхлёгкие модели. Для точного измерения задержки проводите нагрузочные тесты с типовыми размерами входных данных через API OrcaRouter.
Основываясь на общедоступной информации о Gemini 2.5 Flash, сильные стороны включают быстрый инференс, экономическую эффективность (низкая цена входных токенов) и естественно звучащую речь для легковесной модели. Статус предварительной версии означает ранний доступ к новейшей технологии TTS от Google. Ценообразование без наценки через OrcaRouter гарантирует, что вы платите только тариф провайдера. Цена входных токенов ($0.50 за миллион) является одной из самых низких для моделей TTS. Архитектура Flash также подразумевает меньший углеродный след на запрос по сравнению с более крупными моделями.
Эта модель находится в предварительной версии, поэтому надежность и доступность не гарантируются. Не предоставляются контрольные показатели (например, MOS, CER). В ней отсутствуют функции, характерные для зрелых сервисов TTS: нет поддержки SSML, ограниченный выбор голосов, нет управления эмоциями, нет возможности обучения индивидуального голоса. Качество вывода может быть непостоянным для разных языков или акцентов. Из-за ценообразования на основе токенов длительные паузы или неречевые токены могут непредсказуемо увеличить стоимость. Нет информации о формате аудио (например, WAV, MP3), частоте дискретизации или разрядности. Пользователям следует проверить совместимость со своим конвейером обработки аудио.
Google's Gemini 2.5 Flash — это семейство общего назначения; вариант TTS специализирован для генерации речи. По сравнению с обычной моделью Gemini Flash (которая выводит текст), версия TTS добавляет декодер для аудиотокенов, что делает её более подходящей для аудио, но потенциально более медленной из-за этапа декодирования. Её нельзя напрямую сравнивать с текстовыми моделями Flash. В области TTS она конкурирует с такими моделями, как OpenAI TTS-1, Microsoft Edge TTS и open-source альтернативами. Для этой предварительной версии кросс-модельные бенчмарки отсутствуют, поэтому прямые сравнения остаются спекулятивными.
Цены указаны за токен: 0,50 доллара США за 1 миллион входных токенов и 10,00 долларов США за 1 миллион выходных токенов. Входные токены — это текст, который вы отправляете модели. Выходные токены — это сгенерированные аудиотокены. OrcaRouter выставляет счета по тарифам провайдера без наценки. Помимо потребления токенов, дополнительная плата за использование API не взимается. Плата взимается как за успешные, так и за неудачные запросы, если токены были обработаны. Неиспользованные токены не оплачиваются. Обычно выставление счетов происходит ежемесячно, однако уточните детали в своей учетной записи OrcaRouter. Токены подсчитываются токенизатором Google, который может отличаться от других моделей.
Выходные токены в 20 раз дороже входных ($10 против $0.50 за миллион). Это типично для моделей TTS, поскольку генерация аудио требует больших вычислительных ресурсов. Поэтому длинные паузы или затяжные заминки во входных данных могут увеличить количество выходных токенов, не неся информации. Оптимизация входного текста для краткости позволяет снизить стоимость. Напротив, стоимость входных токенов пренебрежимо мала; вы можете предоставить подробный контекст почти без штрафа. Если ваш вариант использования требует генерации очень короткого аудио из очень длинного текста (например, краткого ответа из длинного документа), соотношение затрат может быть благоприятным.
В предоставленных фактах не упоминаются какие-либо программы кэширования или скидок. OrcaRouter не предлагает встроенного кэширования выходных данных моделей. Каждый запрос обрабатывается серверами Google «с нуля». Некоторые платформы предлагают кэширование идентичных запросов, но для OrcaRouter это не подтверждено. Крупным пользователям предлагается связаться с OrcaRouter для уточнения возможных скидок на объём или резервирования мощностей. Пока действует предположение, что к каждому запросу применяется ценообразование за токен.
По сравнению с обычными TTS-сервисами: Google Cloud Text-to-Speech взимает плату за символ (например, $0.000004 за символ для Standard, $0.000016 для WaveNet). OpenAI TTS-1 взимает $0.015 за 1000 символов. Переводя в расчет на токен: эта модель по цене $10 за миллион выходных токенов может быть конкурентоспособна для коротких текстов, но дорога для длинного аудио. Поскольку соотношение символов к токенам не указано, пользователям следует протестировать на своем контенте. Нулевая наценка от OrcaRouter является преимуществом по сравнению с API провайдеров, которые добавляют накладные расходы.
Вы используете OpenAI-совместимый API OrcaRouter по базовому URL https://api.orcarouter.ai/v1. Отправьте POST-запрос к эндпоинту chat/completions или audio (если доступен) с идентификатором модели 'google/gemini-2.5-flash-preview-tts'. Для стандартного TTS может потребоваться использовать выделенный эндпоинт генерации аудио; обратитесь к документации OrcaRouter для правильного маршрута. Включите ваш API-ключ в заголовок Authorization. Тело запроса обычно содержит текст для преобразования и, опционально, параметры вроде голоса или скорости (если поддерживаются). Аудио возвращается в виде токенов, закодированных в base64, или URL для скачивания — в зависимости от эндпоинта.
Общие параметры, поддерживаемые API, совместимыми с OpenAI, включают: 'model' (обязательно: 'google/gemini-2.5-flash-preview-tts'), 'messages' или 'prompt' с текстом, 'temperature' и 'top_p' (могут влиять на вариативность аудио, если поддерживается), 'max_tokens' (ограничивает длину вывода). Однако для TTS многие из них могут не применяться. Модель может поддерживать параметры 'voice' или 'speed'. В предоставленных фактах не задокументированы конкретные параметры. Проверьте справочник по API OrcaRouter для этой модели. Если модель не поддерживает параметр, он будет проигнорирован или вернет ошибку.
Если вы переходите от другого провайдера (например, Google Cloud TTS, AWS Polly, OpenAI TTS), вам нужно изменить свой endpoint на https://api.orcarouter.ai/v1 и обновить аутентификацию, чтобы использовать ключ API OrcaRouter. Обновите идентификатор модели на 'google/gemini-2.5-flash-preview-tts'. Затем адаптируйте формат запроса к схеме, совместимой с OpenAI. Например, если вы ранее отправляли текст в определённом поле, теперь используйте массив 'messages' или параметр 'prompt'. Формат аудиовыхода может отличаться; возможно, вам потребуется парсить ответы в формате base64. Протестируйте с небольшим запросом перед переносом рабочего трафика.
OrcaRouter предоставляет совместимый с OpenAI API с вероятными эндпоинтами: /v1/chat/completions для преобразования текста в текст и, возможно, /v1/audio/speech для TTS. Для этой модели подходящим эндпоинтом, скорее всего, является эндпоинт аудиоречи. Если он недоступен, возможно, потребуется использовать эндпоинт completions со специальными параметрами. Согласно фактам, модель доступна через совместимый с OpenAI API OrcaRouter по адресу base_url https://api.orcarouter.ai/v1 с идентификатором модели 'google/gemini-2.5-flash-preview-tts'. Уточните в документации OrcaRouter, какой эндпоинт использовать для генерации аудио.
Google Cloud TTS предлагает несколько типов голосов (Standard, WaveNet, Studio) с поддержкой SSML, возможностью создания собственных голосов и широким выбором языков. Ценообразование — посимвольное. Данная предварительная модель (gemini-2.5-flash-preview-tts) использует биллинг на основе токенов и является вариантом Flash, оптимизированным под скорость и низкую стоимость. Вероятно, она менее функциональна, чем Cloud TTS, но может быть более экономичной для простых TTS-задач с большим объёмом. google/gemini-2.5-flash-preview-tts — это предварительная версия, тогда как Cloud TTS является общедоступным с соглашениями об уровне обслуживания. Если вам нужны надёжность и расширенные возможности, лучше выбрать Cloud TTS; если вы стремитесь к низкой задержке и низкой стоимости, попробуйте эту модель.
OpenAI TTS-1 взимает $0,015 за 1000 символов. Обе модели генерируют аудио из текста. Модель OpenAI известна выразительными голосами и широким распространением, но имеет другую модель ценообразования (за символ). google/gemini-2.5-flash-preview-tts использует ценообразование за токен, что может быть дешевле для очень короткого текста, но дороже для длинного (так как один символ может соответствовать нескольким токенам). OpenAI TTS-1 стабильна и готова к продакшену, тогда как модель Google является предварительной. Вы можете использовать обе через OrcaRouter, переключая идентификаторы моделей. Протестируйте свой конкретный сценарий использования, чтобы сравнить стоимость и качество аудио.
Модели TTS с открытым исходным кодом, такие как Coqui TTS, Piper или Bark, бесплатны, но требуют хостинга, обслуживания и ресурсов GPU. Они предлагают возможности кастомизации, но уступают в скорости и простоте вызова API. google/gemini-2.5-flash-preview-tts через OrcaRouter устраняет инфраструктурные издержки и предоставляет модель оплаты по мере использования. Для любительских проектов open-source может быть дешевле; для продакшена с минимальной задержкой и управлением API проще. Скорость и стоимость предварительной модели могут быть конкурентоспособны по сравнению с некоторыми open-source моделями с учётом затрат на хостинг.
Amazon Polly предлагает разнообразие голосов, поддержку SSML и бесплатный уровень (Free Tier) (5 миллионов символов в месяц). Ценообразование посимвольное (Standard $0.000004, Neural $0.000016). google/gemini-2.5-flash-preview-tts основан на токенах, и его предварительный статус означает отсутствие SLA или бесплатного уровня. Для малых объёмов использования бесплатный уровень Polly привлекателен. Для больших объёмов ценообразование на токены этой модели может быть дешевле или дороже в зависимости от сжатия. Polly поддерживает множество языков и такие функции, как лексиконы произношения. Эта модель проще, но быстрее и дешевле в зависимости от использования.
Совместимо с OpenAI — оставьте свой SDK
https://api.orcarouter.ai/v1voice| Ввод / 1M токенов | $0.500 |
|---|---|
| Вывод / 1M токенов | $10.00 |
| Валюта | USD |
Оценка по прайс-листу
Только оценка — фактическое число токенов зависит от токенизатора провайдера.
О чём говорят разработчики на этой неделе
GET /api/public/models/google/gemini-2.5-flash-preview-ttsОткрыть @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