TTS-1 HD er OpenAI's tekst-til-tale-model optimeret til lydkvalitet. Et forberedt manuskript er inputtet, og talt lyd er outputtet. HD-valget adskiller sig fra TTS-1's hastighedsorienterede profil: OpenAI beskriver TTS-1 som hurtigere, men med lavere kvalitet. HD er derfor et nyttigt fortællervalg, når det færdige stemmespor betyder mere end at begynde afspilningen så hurtigt som muligt. En skrevet artikel, en lektionspassage eller en gennemarbejdet forklaring kan blive til en lydleverance.
De centrale input er den valgte model, den præcise tekst og en stemme. Producentens API-reference for talegenerering begrænser manuskriptet til 4096 tegn pr. anmodning. Det beskriver længden af skrevet input, ikke en garanti for lydens varighed. Forbered et manuskript, der kan forstås, når det høres: skriv tvetydige forkortelser ud, afgør, hvordan mængder udtales, og hold hver passage sammenhængende. Til en længere lektion eller artikel skal teksten deles ved meningsfulde grænser, og rækkefølgen, hvori de resulterende passager skal bruges, bevares.
Den aktuelle OpenAI-vejledning angiver ni indbyggede valg til TTS-1 HD: alloy, ash, coral, echo, fable, onyx, nova, sage og shimmer. Stemmerne er optimeret til engelsk, mens tekst-til-tale-vejledningen understøtter talegenerering på flere sprog ved at levere tekst på det ønskede sprog. En stemmesammenligning er mest nyttig med det samme repræsentative manuskript, herunder de navne og fagord, som vil optræde i det færdige materiale. Behold ensartet stemme og hastighed, når flere klip danner én fortælling.
MP3 er standardoutputtet. Opus og AAC tilbyder alternative komprimerede lydformater; FLAC tilbyder tabsfri komprimering; WAV tilbyder ukomprimeret lyd. PCM leverer rå samples ved 24 kHz, 16-bit signed little-endian, uden filheader. Disse valg tjener forskellige formål: en kompakt fil til distribution, en streamingressource eller lyd, der skal indgå i en redigeringsarbejdsgang. OpenAI anbefaler WAV eller PCM til hurtigere svartider, når afkodningsarbejdet har betydning. Et filformatvalg ændrer ikke manuskriptet og tilføjer ikke en særskilt stemmestyringsmodel.
Tale kan leveres i bidder, så en afspiller kan begynde, før hele lydfilen er klar. Det er tekst-til-lyd-streaming; det etablerer ikke en tovejs-stemmesamtale. Referencen understøtter en hastighedsværdi fra 0.25 til 4.0 med 1.0 som standard. Det særskilte felt til instruktioner i naturligt sprog virker ikke med TTS-1 HD, og SSE-hændelsesoutput understøttes ikke for denne model. Manuskript, forudindstillet stemme, hastighed og outputformat er de dokumenterede kontroller frem for nyere talemodellers promptstyrede grænseflade til accent eller følelsesanvisninger.
Sprogvejledningen omfatter russisk, ukrainsk, engelsk, fransk, tysk, spansk, portugisisk, italiensk, kinesisk, japansk, koreansk, arabisk, hindi og kasakhisk blandt de understøttede sprog. Forbered manuskriptet på målsproget; syntesen gengiver teksten frem for at oversætte den. Til undervisningsindhold skal definitioner og afsnitsovergange være tydelige. Til en forklarende lydpassage skal den præcise besked og alle navne, der skal høres, forberedes. Stemmens engelske optimering er stadig relevant, når du vurderer, hvordan et bestemt sprog og ordforråd lyder.
En praktisk HD-arbejdsgang producerer en lydpassage, som kan lyttes til, gennemgås og derefter indgå i det færdige materiale. Kontrollér, at hver sætning er gengivet, at navne og mængder udtales acceptabelt, og at det valgte tempo understøtter forståelsen. Gem det skrevne manuskript sammen med lyden, så en rettelse kan spores til den relevante passage. OpenAI kræver en tydelig oplysning om, at den genererede stemme er kunstig. HD beskriver den kvalitetsorienterede TTS-familie; betegnelsen lover ikke i sig selv præcis timing, en brugerdefineret taleridentitet eller en anden models udtrykskontroller.
", "aboutText": "TTS-1 HD er OpenAI's tekst-til-tale-model optimeret til lydkvalitet. Et forberedt manuskript er inputtet, og talt lyd er outputtet. HD-valget adskiller sig fra TTS-1's hastighedsorienterede profil: OpenAI beskriver TTS-1 som hurtigere, men med lavere kvalitet. HD er derfor et nyttigt fortællervalg, når det færdige stemmespor betyder mere end at begynde afspilningen så hurtigt som muligt. En skrevet artikel, en lektionspassage eller en gennemarbejdet forklaring kan blive til en lydleverance.\n\nDe centrale input er den valgte model, den præcise tekst og en stemme. Producentens API-reference for talegenerering begrænser manuskriptet til 4096 tegn pr. anmodning. Det beskriver længden af skrevet input, ikke en garanti for lydens varighed. Forbered et manuskript, der kan forstås, når det høres: skriv tvetydige forkortelser ud, afgør, hvordan mængder udtales, og hold hver passage sammenhængende. Til en længere lektion eller artikel skal teksten deles ved meningsfulde grænser, og rækkefølgen, hvori de resulterende passager skal bruges, bevares.\n\nDen aktuelle OpenAI-vejledning angiver ni indbyggede valg til TTS-1 HD: alloy, ash, coral, echo, fable, onyx, nova, sage og shimmer. Stemmerne er optimeret til engelsk, mens tekst-til-tale-vejledningen understøtter talegenerering på flere sprog ved at levere tekst på det ønskede sprog. En stemmesammenligning er mest nyttig med det samme repræsentative manuskript, herunder de navne og fagord, som vil optræde i det færdige materiale. Behold ensartet stemme og hastighed, når flere klip danner én fortælling.\n\nMP3 er standardoutputtet. Opus og AAC tilbyder alternative komprimerede lydformater; FLAC tilbyder tabsfri komprimering; WAV tilbyder ukomprimeret lyd. PCM leverer rå samples ved 24 kHz, 16-bit signed little-endian, uden filheader. Disse valg tjener forskellige formål: en kompakt fil til distribution, en streamingressource eller lyd, der skal indgå i en redigeringsarbejdsgang. OpenAI anbefaler WAV eller PCM til hurtigere svartider, når afkodningsarbejdet har betydning. Et filformatvalg ændrer ikke manuskriptet og tilføjer ikke en særskilt stemmestyringsmodel.\n\nTale kan leveres i bidder, så en afspiller kan begynde, før hele lydfilen er klar. Det er tekst-til-lyd-streaming; det etablerer ikke en tovejs-stemmesamtale. Referencen understøtter en hastighedsværdi fra 0.25 til 4.0 med 1.0 som standard. Det særskilte felt til instruktioner i naturligt sprog virker ikke med TTS-1 HD, og SSE-hændelsesoutput understøttes ikke for denne model. Manuskript, forudindstillet stemme, hastighed og outputformat er de dokumenterede kontroller frem for nyere talemodellers promptstyrede grænseflade til accent eller følelsesanvisninger.\n\nSprogvejledningen omfatter russisk, ukrainsk, engelsk, fransk, tysk, spansk, portugisisk, italiensk, kinesisk, japansk, koreansk, arabisk, hindi og kasakhisk blandt de understøttede sprog. Forbered manuskriptet på målsproget; syntesen gengiver teksten frem for at oversætte den. Til undervisningsindhold skal definitioner og afsnitsovergange være tydelige. Til en forklarende lydpassage skal den præcise besked og alle navne, der skal høres, forberedes. Stemmens engelske optimering er stadig relevant, når du vurderer, hvordan et bestemt sprog og ordforråd lyder.\n\nEn praktisk HD-arbejdsgang producerer en lydpassage, som kan lyttes til, gennemgås og derefter indgå i det færdige materiale. Kontrollér, at hver sætning er gengivet, at navne og mængder udtales acceptabelt, og at det valgte tempo understøtter forståelsen. Gem det skrevne manuskript sammen med lyden, så en rettelse kan spores til den relevante passage. OpenAI kræver en tydelig oplysning om, at den genererede stemme er kunstig. HD beskriver den kvalitetsorienterede TTS-familie; betegnelsen lover ikke i sig selv præcis timing, en brugerdefineret taleridentitet eller en anden models udtrykskontroller.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "078e7e27f423ce6b43974304cec63b510536b463f2a0a223f635a6a1a0f8e938", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "da", "methods": [ { "html": "openai/tts-1-hdTTS-1 HD omdanner skrevet tekst til talt lyd i højere kvalitet med valgbare forudindstillede stemmer, hastighed og seks outputformater. OpenAI positionerer HD til fortællerkvalitet frem for TTS-1's profil med lavere svartid, hvilket gør den nyttig til færdige oplæsninger, undervisningsmateriale og redigerede lydpassager.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
TTS-1 HD er OpenAI's tekst-til-tale-model optimeret til lydkvalitet. Et forberedt manuskript er inputtet, og talt lyd er outputtet. HD-valget adskiller sig fra TTS-1's hastighedsorienterede profil: OpenAI beskriver TTS-1 som hurtigere, men med lavere kvalitet. HD er derfor et nyttigt fortællervalg, når det færdige stemmespor betyder mere end at begynde afspilningen så hurtigt som muligt. En skrevet artikel, en lektionspassage eller en gennemarbejdet forklaring kan blive til en lydleverance.
De centrale input er den valgte model, den præcise tekst og en stemme. Producentens API-reference for talegenerering begrænser manuskriptet til 4096 tegn pr. anmodning. Det beskriver længden af skrevet input, ikke en garanti for lydens varighed. Forbered et manuskript, der kan forstås, når det høres: skriv tvetydige forkortelser ud, afgør, hvordan mængder udtales, og hold hver passage sammenhængende. Til en længere lektion eller artikel skal teksten deles ved meningsfulde grænser, og rækkefølgen, hvori de resulterende passager skal bruges, bevares.
Den aktuelle OpenAI-vejledning angiver ni indbyggede valg til TTS-1 HD: alloy, ash, coral, echo, fable, onyx, nova, sage og shimmer. Stemmerne er optimeret til engelsk, mens tekst-til-tale-vejledningen understøtter talegenerering på flere sprog ved at levere tekst på det ønskede sprog. En stemmesammenligning er mest nyttig med det samme repræsentative manuskript, herunder de navne og fagord, som vil optræde i det færdige materiale. Behold ensartet stemme og hastighed, når flere klip danner én fortælling.
MP3 er standardoutputtet. Opus og AAC tilbyder alternative komprimerede lydformater; FLAC tilbyder tabsfri komprimering; WAV tilbyder ukomprimeret lyd. PCM leverer rå samples ved 24 kHz, 16-bit signed little-endian, uden filheader. Disse valg tjener forskellige formål: en kompakt fil til distribution, en streamingressource eller lyd, der skal indgå i en redigeringsarbejdsgang. OpenAI anbefaler WAV eller PCM til hurtigere svartider, når afkodningsarbejdet har betydning. Et filformatvalg ændrer ikke manuskriptet og tilføjer ikke en særskilt stemmestyringsmodel.
Tale kan leveres i bidder, så en afspiller kan begynde, før hele lydfilen er klar. Det er tekst-til-lyd-streaming; det etablerer ikke en tovejs-stemmesamtale. Referencen understøtter en hastighedsværdi fra 0.25 til 4.0 med 1.0 som standard. Det særskilte felt til instruktioner i naturligt sprog virker ikke med TTS-1 HD, og SSE-hændelsesoutput understøttes ikke for denne model. Manuskript, forudindstillet stemme, hastighed og outputformat er de dokumenterede kontroller frem for nyere talemodellers promptstyrede grænseflade til accent eller følelsesanvisninger.
Sprogvejledningen omfatter russisk, ukrainsk, engelsk, fransk, tysk, spansk, portugisisk, italiensk, kinesisk, japansk, koreansk, arabisk, hindi og kasakhisk blandt de understøttede sprog. Forbered manuskriptet på målsproget; syntesen gengiver teksten frem for at oversætte den. Til undervisningsindhold skal definitioner og afsnitsovergange være tydelige. Til en forklarende lydpassage skal den præcise besked og alle navne, der skal høres, forberedes. Stemmens engelske optimering er stadig relevant, når du vurderer, hvordan et bestemt sprog og ordforråd lyder.
En praktisk HD-arbejdsgang producerer en lydpassage, som kan lyttes til, gennemgås og derefter indgå i det færdige materiale. Kontrollér, at hver sætning er gengivet, at navne og mængder udtales acceptabelt, og at det valgte tempo understøtter forståelsen. Gem det skrevne manuskript sammen med lyden, så en rettelse kan spores til den relevante passage. OpenAI kræver en tydelig oplysning om, at den genererede stemme er kunstig. HD beskriver den kvalitetsorienterede TTS-familie; betegnelsen lover ikke i sig selv præcis timing, en brugerdefineret taleridentitet eller en anden models udtrykskontroller.
POST /v1/audio/speechtextaudio| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser openai/tts-1-hd | Standard— |
Feltinput | Typestring | KravPåkrævet | Værdier og grænser Minimumslængde: 1 Maksimal længde: 4.096 Enhed: Unicode-tegn | Standard— |
Feltvoice | Typestring | KravPåkrævet | Værdier og grænser alloy | Standard— |
text_to_speech · Påkrævet: input
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, input, voice |
Parametervoice_ids | Kontraktalloy |
Parametermax_input_characters | Kontrakt4096 |
Parameterother_options | Kontraktfalse |
Parameterinput | Kontraktpræcis UTF-8-tekst; antal Unicode-tegn uden normalisering |
Parametermaterial_types | Kontrakttext |
Livscyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · det faktisk returnerede task_id eller posten i mediebiblioteket
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Vælg den præcise stemme fra denne modelprofil.
Inputtegn og lydsekunder er forskellige måleenheder.
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Afregningsmængde | Afregnet mængde | Afregningsenhed | Beløb |
|---|---|---|---|---|---|
| KonfigurationGrundpriser for tokens | TakstplanGrundtakst | Afregningsmængde— | Afregnet mængde— | Afregningsenhed— | Beløb Input · Inputtokens — / 1K tokens Output · Outputtokens — / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationUltra | Takstplan— | AfregningsmængdeHvert Unicode-kodepunkt tæller som ét tegn, herunder Han-tegn. | Afregnet mængde— | Afregningsenhedpr. 1K inputtegn | Beløb Input · inputtegn $0.06 pr. 1K inputtegn |
| KonfigurationPr. forespørgsel | Takstplan— | Afregningsmængde— | Afregnet mængdeén forespørgsel | Afregningsenhed— | Beløb Input $0 pr. anmodning |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/tts-1-hd", "input": "Good afternoon! This is a short voice take.", "voice": "alloy"}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o speech.mp3\nmp3
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o media-assets.json\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}"\nexport AILOOT_MEDIA_TASK_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_MEDIA_TASK_ID"],safe=""))')\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/tasks/$resource_id" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o media-task.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("media-task.json").read_text())))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}"\nexport AILOOT_ASSET_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_ASSET_ID"],safe=""))')\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/assets/$resource_id" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o media-asset.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("media-asset.json").read_text())))\nPY_RESULT\nGem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Gem hele det binære resultat og alle headere. Hvis der returneres JSON eller flere output, skal du gemme hvert dataelement og hente alle de faktiske signerede asset-URL'er.
Gem det oprindelige operation_id/X-Client-Request-ID til afstemning uden genindsendelse; der er ingen særskilt rute til polling af lyd.
| Felt | Type |
|---|---|
Feltbinary audio | Typebytes |
Feltresponse headers | Typeheaders |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Svarserver_error | BetingelseDet returnerede svar angiver, at operationen eller resultatet skal kontrolleres | Næste trinGem det oprindeligt returnerede operations-/opgave-ID, anmodningens headere og svaret; fortsæt med de understøttede læseanmodninger for den oprindelige operation. Send ikke oprettelsesanmodningen igen. |
Ailoot Ultra openai/tts-1-hd
Brug metodestierne vist ovenfor.