Google Cloud Text-to-Speech

Google Cloud Text-to-Speech donne aux développeurs une synthèse vocale bâtie sur la technologie derrière les assistants de Google. Une requête avec du texte renvoie de l’audio dans des formats comme MP3 ou WAV, avec un choix de voix et de langues. Les familles de voix plus récentes, comme WaveNet et la génération Chirp, sonnent bien plus naturelles que les voix synthétiques classiques, et il y a beaucoup d’accents et de genres au choix.

Les développeurs peuvent affiner le rendu avec SSML, en ajoutant pauses, emphase, prononciation et vitesse. Le service prend en charge la synthèse audio longue pour les livres audio et la narration, et le streaming pour des applications en temps réel comme les assistants vocaux et les serveurs vocaux interactifs. Les clients peuvent demander une voix personnalisée entraînée sur leurs propres enregistrements, avec des exigences strictes, et le service s’intègre aux autres outils Google Cloud.

Les tarifs sont au caractère, avec des taux différents selon le type de voix, et un quota mensuel gratuit. La qualité est solide pour les usages utilitaires, même si les voix sont moins expressives que celles de spécialistes comme ElevenLabs. Les alternatives incluent Amazon Polly, Azure AI Speech, la synthèse vocale d’OpenAI, ElevenLabs et Cartesia. Google Cloud Text-to-Speech convient aux applications déjà sur Google Cloud qui ont besoin d’une parole scalable et fiable.