Google TTS Standard
нейросеть
Характеристики
- Входные данные
- текст
- Результат
- аудио
- Количество голосов
- 1
Стоимость промпта
(за 1M токенов)
import OpenAI from 'openai';
const openai = new OpenAI({
apiKey: '<your bothub access token>',
baseURL: 'https://openai.bothub.chat/v1'
});
import fs from 'fs';
async function main() {
const response = await openai.audio.speech.create({
model: 'google-tts-standard',
voice: 'nova',
input: 'Hello! This is a speech generation example via BotHub.',
response_format: 'mp3',
speed: 0.9
});
const buffer = Buffer.from(await response.arrayBuffer());
await fs.promises.writeFile('output.mp3', buffer);
}main();
Как работает Google TTS Standard?
Частые вопросы о Google TTS Standard
Вы можете использовать результаты генерации в коммерческих целях. Все права на созданный контент принадлежат вам. Единственное ограничение: убедитесь, что в запросе не использовались защищённые авторским правом материалы третьих сторон. Ответственность за соблюдение прав на входные данные лежит на пользователе.
Google TTS Standard преобразует текст в речь и подходит для озвучки интерфейсов, уведомлений, голосовых подсказок, прототипов и других задач, где нужен синтез речи по текстовому описанию. На BotHub вы быстро тестируете и сравниваете варианты голосов и настроек.
Модель генерирует аудиовыход: файл или поток аудио, а качество и кодек задаются в запросе через параметры API. Конкретные форматы кодеков и параметры выбора качества зависят от реализации API и доступны при настройке вызова в BotHub.
Это не модель для рассуждений перед ответом — её задача синтезировать звук по готовому тексту. Если вам нужна генерация логических рассуждений или промежуточных выводов, используйте языковые модели; затем их вывод можно передать в Google TTS Standard для озвучивания.
В наших данных вызов функций и структурированный вывод в JSON для этой модели не отмечены. Google TTS Standard ориентирована на аудиовывод; если нужна функция вызова и JSON-структуры, реализуйте их на уровне приложения или языковой модели перед передачей текста в синтезатор.
В наших данных не отмечено приёма изображений, аудио или видео на вход — модель рассчитана на синтез речи по тексту. Для мультимодальной обработки сначала преобразуйте медиа в текст или используйте специальные мультимодальные сервисы, а затем озвучьте результат.
Качество воспроизведения конкретного языка зависит от выбранной голосовой конфигурации и качества исходного текста. В наших данных подробной информации о понимании русского языка не указано; советуем протестировать модель на ваших реальных фразах и настройках в BotHub.