TTS-1 HD es el modelo de conversión de texto a voz de OpenAI optimizado para la calidad del audio. Recibe un guion preparado y produce audio hablado. La opción HD se distingue del perfil de TTS-1 orientado a la velocidad: OpenAI describe TTS-1 como un modelo de menor latencia, pero también de menor calidad. Por ello, HD es una opción útil para narración cuando la pista de voz terminada importa más que iniciar la reproducción lo antes posible. Un artículo escrito, un pasaje de una lección o una explicación pulida pueden convertirse en un recurso hablado.
Las entradas principales son el modelo seleccionado, el texto exacto y una voz. La referencia de voz del fabricante limita el guion a 4096 caracteres por solicitud. Este valor describe la longitud de la entrada escrita, no garantiza una duración de audio. Prepare un guion que resulte comprensible al escucharlo: desarrolle las abreviaturas ambiguas, decida cómo se pronuncian las cantidades y mantenga la coherencia de cada pasaje. Para una lección o un artículo más largos, divida el texto en puntos con sentido y conserve el orden en el que se utilizarán los pasajes resultantes.
La guía actual de OpenAI enumera nueve opciones integradas para TTS-1 HD: alloy, ash, coral, echo, fable, onyx, nova, sage y shimmer. Las voces están optimizadas para el inglés, mientras que la guía de conversión de texto a voz permite generar voz en varios idiomas proporcionando texto en el idioma deseado. La comparación de voces resulta más útil con el mismo guion representativo, incluidos los nombres y el vocabulario especializado que aparecerán en el material final. Mantenga constantes la voz y la velocidad cuando varios clips formen una sola narración.
MP3 es la salida predeterminada. Opus y AAC ofrecen otros formatos de audio comprimido; FLAC ofrece compresión sin pérdida; WAV ofrece audio sin comprimir. PCM proporciona muestras sin procesar de 24 kHz y 16 bits con signo, en orden little-endian y sin cabecera de archivo. Estas opciones sirven para distintos usos: un archivo compacto para distribuir, un recurso para streaming o audio que se incorporará a un flujo de edición. OpenAI recomienda WAV o PCM para obtener respuestas más rápidas cuando el coste de decodificación es relevante. Elegir un formato de archivo no cambia el guion ni añade un modelo independiente de control de voz.
La voz puede entregarse por bloques, lo que permite a un reproductor comenzar antes de que esté listo el archivo de audio completo. Es streaming de texto a audio; no establece una conversación de voz bidireccional. La referencia admite un valor de velocidad de 0.25 a 4.0, con 1.0 como valor predeterminado. El campo independiente de instrucciones en lenguaje natural no funciona con TTS-1 HD y este modelo no admite salida de eventos SSE. El guion, la voz predefinida, la velocidad y el formato de salida son los controles documentados, en lugar de la interfaz de instrucciones para acento o dirección emocional de los modelos de voz más recientes.
La guía de idiomas incluye ruso, ucraniano, inglés, francés, alemán, español, portugués, italiano, chino, japonés, coreano, árabe, hindi y kazajo entre los idiomas compatibles. Prepare el guion en el idioma de destino; la síntesis convierte ese texto en voz, en lugar de traducirlo. En contenido didáctico, deje claras las definiciones y las transiciones entre secciones. Para un pasaje de audio explicativo, prepare el mensaje exacto y los nombres que deban escucharse. La optimización de la voz para el inglés sigue siendo relevante al evaluar cómo suenan un idioma y un vocabulario concretos.
Un flujo de trabajo práctico con HD produce un pasaje de audio que se escucha, se revisa y después se incorpora al material terminado. Compruebe que se han reproducido todas las oraciones, que los nombres y las cantidades se pronuncian de forma aceptable y que el ritmo elegido facilita la comprensión. Conserve el guion escrito junto al audio para poder vincular cada corrección con el pasaje correspondiente. OpenAI exige informar claramente de que la voz generada es artificial. HD identifica la familia TTS orientada a la calidad; por sí solo no promete una duración exacta, una identidad de hablante personalizada ni los controles expresivos de otro modelo.
", "aboutText": "TTS-1 HD es el modelo de conversión de texto a voz de OpenAI optimizado para la calidad del audio. Recibe un guion preparado y produce audio hablado. La opción HD se distingue del perfil de TTS-1 orientado a la velocidad: OpenAI describe TTS-1 como un modelo de menor latencia, pero también de menor calidad. Por ello, HD es una opción útil para narración cuando la pista de voz terminada importa más que iniciar la reproducción lo antes posible. Un artículo escrito, un pasaje de una lección o una explicación pulida pueden convertirse en un recurso hablado.\n\nLas entradas principales son el modelo seleccionado, el texto exacto y una voz. La referencia de voz del fabricante limita el guion a 4096 caracteres por solicitud. Este valor describe la longitud de la entrada escrita, no garantiza una duración de audio. Prepare un guion que resulte comprensible al escucharlo: desarrolle las abreviaturas ambiguas, decida cómo se pronuncian las cantidades y mantenga la coherencia de cada pasaje. Para una lección o un artículo más largos, divida el texto en puntos con sentido y conserve el orden en el que se utilizarán los pasajes resultantes.\n\nLa guía actual de OpenAI enumera nueve opciones integradas para TTS-1 HD: alloy, ash, coral, echo, fable, onyx, nova, sage y shimmer. Las voces están optimizadas para el inglés, mientras que la guía de conversión de texto a voz permite generar voz en varios idiomas proporcionando texto en el idioma deseado. La comparación de voces resulta más útil con el mismo guion representativo, incluidos los nombres y el vocabulario especializado que aparecerán en el material final. Mantenga constantes la voz y la velocidad cuando varios clips formen una sola narración.\n\nMP3 es la salida predeterminada. Opus y AAC ofrecen otros formatos de audio comprimido; FLAC ofrece compresión sin pérdida; WAV ofrece audio sin comprimir. PCM proporciona muestras sin procesar de 24 kHz y 16 bits con signo, en orden little-endian y sin cabecera de archivo. Estas opciones sirven para distintos usos: un archivo compacto para distribuir, un recurso para streaming o audio que se incorporará a un flujo de edición. OpenAI recomienda WAV o PCM para obtener respuestas más rápidas cuando el coste de decodificación es relevante. Elegir un formato de archivo no cambia el guion ni añade un modelo independiente de control de voz.\n\nLa voz puede entregarse por bloques, lo que permite a un reproductor comenzar antes de que esté listo el archivo de audio completo. Es streaming de texto a audio; no establece una conversación de voz bidireccional. La referencia admite un valor de velocidad de 0.25 a 4.0, con 1.0 como valor predeterminado. El campo independiente de instrucciones en lenguaje natural no funciona con TTS-1 HD y este modelo no admite salida de eventos SSE. El guion, la voz predefinida, la velocidad y el formato de salida son los controles documentados, en lugar de la interfaz de instrucciones para acento o dirección emocional de los modelos de voz más recientes.\n\nLa guía de idiomas incluye ruso, ucraniano, inglés, francés, alemán, español, portugués, italiano, chino, japonés, coreano, árabe, hindi y kazajo entre los idiomas compatibles. Prepare el guion en el idioma de destino; la síntesis convierte ese texto en voz, en lugar de traducirlo. En contenido didáctico, deje claras las definiciones y las transiciones entre secciones. Para un pasaje de audio explicativo, prepare el mensaje exacto y los nombres que deban escucharse. La optimización de la voz para el inglés sigue siendo relevante al evaluar cómo suenan un idioma y un vocabulario concretos.\n\nUn flujo de trabajo práctico con HD produce un pasaje de audio que se escucha, se revisa y después se incorpora al material terminado. Compruebe que se han reproducido todas las oraciones, que los nombres y las cantidades se pronuncian de forma aceptable y que el ritmo elegido facilita la comprensión. Conserve el guion escrito junto al audio para poder vincular cada corrección con el pasaje correspondiente. OpenAI exige informar claramente de que la voz generada es artificial. HD identifica la familia TTS orientada a la calidad; por sí solo no promete una duración exacta, una identidad de hablante personalizada ni los controles expresivos de otro modelo.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "15b142e381282a73ee8b00dd45d1f024211af8c95ef313d74d9e3c374c711774", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "es", "methods": [ { "html": "openai/tts-1-hdTTS-1 HD convierte texto escrito en audio hablado de mayor calidad con voces predefinidas seleccionables, control de velocidad y seis formatos de salida. OpenAI orienta HD a la calidad de la narración frente al perfil de menor latencia de TTS-1, por lo que resulta útil para locuciones terminadas, material didáctico y pasajes de audio editados.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
TTS-1 HD es el modelo de conversión de texto a voz de OpenAI optimizado para la calidad del audio. Recibe un guion preparado y produce audio hablado. La opción HD se distingue del perfil de TTS-1 orientado a la velocidad: OpenAI describe TTS-1 como un modelo de menor latencia, pero también de menor calidad. Por ello, HD es una opción útil para narración cuando la pista de voz terminada importa más que iniciar la reproducción lo antes posible. Un artículo escrito, un pasaje de una lección o una explicación pulida pueden convertirse en un recurso hablado.
Las entradas principales son el modelo seleccionado, el texto exacto y una voz. La referencia de voz del fabricante limita el guion a 4096 caracteres por solicitud. Este valor describe la longitud de la entrada escrita, no garantiza una duración de audio. Prepare un guion que resulte comprensible al escucharlo: desarrolle las abreviaturas ambiguas, decida cómo se pronuncian las cantidades y mantenga la coherencia de cada pasaje. Para una lección o un artículo más largos, divida el texto en puntos con sentido y conserve el orden en el que se utilizarán los pasajes resultantes.
La guía actual de OpenAI enumera nueve opciones integradas para TTS-1 HD: alloy, ash, coral, echo, fable, onyx, nova, sage y shimmer. Las voces están optimizadas para el inglés, mientras que la guía de conversión de texto a voz permite generar voz en varios idiomas proporcionando texto en el idioma deseado. La comparación de voces resulta más útil con el mismo guion representativo, incluidos los nombres y el vocabulario especializado que aparecerán en el material final. Mantenga constantes la voz y la velocidad cuando varios clips formen una sola narración.
MP3 es la salida predeterminada. Opus y AAC ofrecen otros formatos de audio comprimido; FLAC ofrece compresión sin pérdida; WAV ofrece audio sin comprimir. PCM proporciona muestras sin procesar de 24 kHz y 16 bits con signo, en orden little-endian y sin cabecera de archivo. Estas opciones sirven para distintos usos: un archivo compacto para distribuir, un recurso para streaming o audio que se incorporará a un flujo de edición. OpenAI recomienda WAV o PCM para obtener respuestas más rápidas cuando el coste de decodificación es relevante. Elegir un formato de archivo no cambia el guion ni añade un modelo independiente de control de voz.
La voz puede entregarse por bloques, lo que permite a un reproductor comenzar antes de que esté listo el archivo de audio completo. Es streaming de texto a audio; no establece una conversación de voz bidireccional. La referencia admite un valor de velocidad de 0.25 a 4.0, con 1.0 como valor predeterminado. El campo independiente de instrucciones en lenguaje natural no funciona con TTS-1 HD y este modelo no admite salida de eventos SSE. El guion, la voz predefinida, la velocidad y el formato de salida son los controles documentados, en lugar de la interfaz de instrucciones para acento o dirección emocional de los modelos de voz más recientes.
La guía de idiomas incluye ruso, ucraniano, inglés, francés, alemán, español, portugués, italiano, chino, japonés, coreano, árabe, hindi y kazajo entre los idiomas compatibles. Prepare el guion en el idioma de destino; la síntesis convierte ese texto en voz, en lugar de traducirlo. En contenido didáctico, deje claras las definiciones y las transiciones entre secciones. Para un pasaje de audio explicativo, prepare el mensaje exacto y los nombres que deban escucharse. La optimización de la voz para el inglés sigue siendo relevante al evaluar cómo suenan un idioma y un vocabulario concretos.
Un flujo de trabajo práctico con HD produce un pasaje de audio que se escucha, se revisa y después se incorpora al material terminado. Compruebe que se han reproducido todas las oraciones, que los nombres y las cantidades se pronuncian de forma aceptable y que el ritmo elegido facilita la comprensión. Conserve el guion escrito junto al audio para poder vincular cada corrección con el pasaje correspondiente. OpenAI exige informar claramente de que la voz generada es artificial. HD identifica la familia TTS orientada a la calidad; por sí solo no promete una duración exacta, una identidad de hablante personalizada ni los controles expresivos de otro modelo.
POST /v1/audio/speechtextaudio| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites openai/tts-1-hd | Predeterminado— |
Campoinput | Tipostring | RequisitoObligatorio | Valores y límites Longitud mínima: 1 Longitud máxima: 4096 Unidad: caracteres Unicode | Predeterminado— |
Campovoice | Tipostring | RequisitoObligatorio | Valores y límites alloy | Predeterminado— |
text_to_speech · Obligatorio: input
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, input, voice |
Parámetrovoice_ids | Contratoalloy |
Parámetromax_input_characters | Contrato4096 |
Parámetroother_options | Contratofalse |
Parámetroinput | Contratotexto UTF-8 exacto; recuento de caracteres Unicode sin normalización |
Parámetromaterial_types | Contratotext |
Ciclo de vida: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id real devuelto o registro de la biblioteca multimedia
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Selecciona una voz exacta de este perfil de modelo.
Los caracteres de entrada y los segundos de audio son métricas de consumo diferentes.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Cantidad facturable | Cantidad para facturación | Unidad de facturación | Cargo |
|---|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cantidad facturable— | Cantidad para facturación— | Unidad de facturación— | Cargo Entrada · Tokens de entrada — / 1K tokens Salida · Tokens de salida — / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónUltra | Tabla de tarifas— | Cantidad facturableCada punto de código Unicode cuenta como un carácter, incluidos los caracteres Han. | Cantidad para facturación— | Unidad de facturaciónpor 1K caracteres de entrada | Cargo Entrada · carácter de entrada $0.06 por 1K caracteres de entrada |
| ConfiguraciónPor solicitud | Tabla de tarifas— | Cantidad facturable— | Cantidad para facturaciónuna petición | Unidad de facturación— | Cargo Entrada $0 por solicitud |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${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\nConserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva el resultado binario completo y las cabeceras. Si se devuelve JSON o varias salidas, conserva todos los elementos de datos y descarga el recurso de cada URL firmada real.
Conserva el operation_id/X-Client-Request-ID original para la conciliación sin volver a enviar la solicitud; no hay una ruta dedicada para consultar periódicamente el audio.
| Campo | Tipo |
|---|---|
Campobinary audio | Tipobytes |
Camporesponse headers | Tipoheaders |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Respuestaserver_error | CondiciónLa respuesta devuelta indica que la operación o el resultado requiere una comprobación | Siguiente pasoConserva el ID original de operación o tarea devuelto, las cabeceras de la solicitud y la respuesta; continúa con las lecturas admitidas de esa operación original. No vuelvas a enviar la solicitud de creación. |
Ailoot Ultra openai/tts-1-hd
Usa las rutas de método indicadas arriba.