A TTS-1 az OpenAI sebességre optimalizált szövegfelolvasó modellje. A kimondandó szavakat fogadja, és hanganyagot készít, nem átiratot vagy írott választ. A gyártó példái között írott cikkek narrálása, többnyelvű beszédkészítés és a beérkező hang azonnali lejátszása szerepel. A TTS-1 a TTS-1 HD-hez képest kisebb késleltetésű választás; a HD modell a kimeneti minőséget hangsúlyozza. A hasznos döntés tehát az, hogy a gyors lejátszás vagy a jobb minőségű narráció fontosabb-e a feladathoz.
A beszédgenerálási munkafolyamat a modellre, bemeneti szövegre és kiválasztott hangra épül. Az OpenAI referenciája 4096 karakterre korlátozza a szövegbemenetet; ez karakterkorlát, nem tokenes kontextusablak. Szintézis előtt készítsd elő a tényleges szöveget: írd meg a hallgatónak szánt mondatokat, oldd fel a rövidítéseket, és döntsd el a nevek, mennyiségek és címsorok kimondását. Hosszú cikknél szervezd a szakaszokat önállóan is érthető részletekbe, ne kezeld a hosszú dokumentumot egyetlen beszédkérésként.
Az OpenAI jelenlegi, modellspecifikus TTS-1 hanglistája: alloy, ash, coral, echo, fable, onyx, nova, sage és shimmer. Ezek előre beállított hangok; nem minden újabb beszédmodell teljes hangkészlete. A hangokat angolra optimalizálták, míg a többnyelvű beszédet a kimondandó nyelven adott bemenet támogatja. Olyan reprezentatív részlettel válassz hangot, amelynek szókincse és tempója azonos a végső szövegével. Ha fontos a folytonosság, az összefüggő klipekben tartsd következetesen ugyanazt a választást.
A hang darabokban streamelhető, így a lejátszás a teljes fájl generálásának vége előtt kezdődik. Ez szövegből létrehozott beszéd streamelése, nem kétirányú szóbeli beszélgetés. A dokumentált kimeneti formátumok MP3, Opus, AAC, FLAC, WAV és PCM, MP3-alapértékkel. Az MP3 és AAC tömörített hangot ad; az Opus streameléshez és kommunikációhoz illik; a FLAC veszteségmentes. A WAV elkerüli a tömörített hang dekódolását, a nyers PCM pedig 24 kHz-es, 16 bites, előjeles little-endian mintákat tartalmaz fájlfejléc nélkül. Az OpenAI WAV-ot vagy PCM-et ajánl, ha a válaszidő elsődleges.
A beszédreferencia 0.25–4.0 sebességbeállítást biztosít 1.0 alapértékkel. A kiegészítő természetes nyelvű instructions mező nem működik a TTS-1-gyel, és az eseményalapú SSE-kimenet sem támogatott ennél a modellnél. Dokumentált vezérlői a szöveg, hang, sebesség és hangformátum; az újabb modellek akcentus-, érzelem- vagy suttogásvezérlését nem szabad ehhez a változathoz kapcsolni. Klip előkészítésénél az érthetőséget szolgáló sebességet válassz, majd ellenőrizd a megszólaltatott szavakat és szüneteket, ne feltételezd, hogy a karakterek száma pontos időtartamot rögzít.
A nyelvi útmutató angolt, oroszt, ukránt, franciát, németet, spanyolt, portugált, olaszt, arabot, kínait, japánt, koreait, hindit, kazahot és sok más nyelvet tartalmaz. A beszéd a megadott szöveg nyelvét követi. A többnyelvű narrációs feladatleírás ezért a lefordított szöveggel és célközönséggel kezdődik; a szövegfelolvasás megszólaltatási lépés, nem fordítási vagy átírási utasítás. Gyakorlati közleményhez készítsd elő a pontos üzenetet és neveket. Oktatási narrációhoz a felolvasandó szavakban tedd világossá a szakaszhatárokat és meghatározásokat.
A kész anyag lehet rövid elmondott utasítás, narrált részlet vagy nagyobb szerkesztéshez tartozó hangszegmens. A tényleges kimenettel ellenőrizd a kiejtést, teljességet, tempót és választott formátumot. A szöveget a hanggal együtt őrizd meg, hogy a későbbi javítások az érintett részletre korlátozhatók legyenek. Az OpenAI útmutatója megköveteli, hogy a hallgatók világos tájékoztatást kapjanak az AI által generált hangról. Ez a tájékoztatás a hallgatási élményhez tartozik; nem teszi a TTS-1-et emberihang-felvétellé, és nem ad hangklónozási vezérlőket a modellhez.
", "aboutText": "A TTS-1 az OpenAI sebességre optimalizált szövegfelolvasó modellje. A kimondandó szavakat fogadja, és hanganyagot készít, nem átiratot vagy írott választ. A gyártó példái között írott cikkek narrálása, többnyelvű beszédkészítés és a beérkező hang azonnali lejátszása szerepel. A TTS-1 a TTS-1 HD-hez képest kisebb késleltetésű választás; a HD modell a kimeneti minőséget hangsúlyozza. A hasznos döntés tehát az, hogy a gyors lejátszás vagy a jobb minőségű narráció fontosabb-e a feladathoz.\n\nA beszédgenerálási munkafolyamat a modellre, bemeneti szövegre és kiválasztott hangra épül. Az OpenAI referenciája 4096 karakterre korlátozza a szövegbemenetet; ez karakterkorlát, nem tokenes kontextusablak. Szintézis előtt készítsd elő a tényleges szöveget: írd meg a hallgatónak szánt mondatokat, oldd fel a rövidítéseket, és döntsd el a nevek, mennyiségek és címsorok kimondását. Hosszú cikknél szervezd a szakaszokat önállóan is érthető részletekbe, ne kezeld a hosszú dokumentumot egyetlen beszédkérésként.\n\nAz OpenAI jelenlegi, modellspecifikus TTS-1 hanglistája: alloy, ash, coral, echo, fable, onyx, nova, sage és shimmer. Ezek előre beállított hangok; nem minden újabb beszédmodell teljes hangkészlete. A hangokat angolra optimalizálták, míg a többnyelvű beszédet a kimondandó nyelven adott bemenet támogatja. Olyan reprezentatív részlettel válassz hangot, amelynek szókincse és tempója azonos a végső szövegével. Ha fontos a folytonosság, az összefüggő klipekben tartsd következetesen ugyanazt a választást.\n\nA hang darabokban streamelhető, így a lejátszás a teljes fájl generálásának vége előtt kezdődik. Ez szövegből létrehozott beszéd streamelése, nem kétirányú szóbeli beszélgetés. A dokumentált kimeneti formátumok MP3, Opus, AAC, FLAC, WAV és PCM, MP3-alapértékkel. Az MP3 és AAC tömörített hangot ad; az Opus streameléshez és kommunikációhoz illik; a FLAC veszteségmentes. A WAV elkerüli a tömörített hang dekódolását, a nyers PCM pedig 24 kHz-es, 16 bites, előjeles little-endian mintákat tartalmaz fájlfejléc nélkül. Az OpenAI WAV-ot vagy PCM-et ajánl, ha a válaszidő elsődleges.\n\nA beszédreferencia 0.25–4.0 sebességbeállítást biztosít 1.0 alapértékkel. A kiegészítő természetes nyelvű instructions mező nem működik a TTS-1-gyel, és az eseményalapú SSE-kimenet sem támogatott ennél a modellnél. Dokumentált vezérlői a szöveg, hang, sebesség és hangformátum; az újabb modellek akcentus-, érzelem- vagy suttogásvezérlését nem szabad ehhez a változathoz kapcsolni. Klip előkészítésénél az érthetőséget szolgáló sebességet válassz, majd ellenőrizd a megszólaltatott szavakat és szüneteket, ne feltételezd, hogy a karakterek száma pontos időtartamot rögzít.\n\nA nyelvi útmutató angolt, oroszt, ukránt, franciát, németet, spanyolt, portugált, olaszt, arabot, kínait, japánt, koreait, hindit, kazahot és sok más nyelvet tartalmaz. A beszéd a megadott szöveg nyelvét követi. A többnyelvű narrációs feladatleírás ezért a lefordított szöveggel és célközönséggel kezdődik; a szövegfelolvasás megszólaltatási lépés, nem fordítási vagy átírási utasítás. Gyakorlati közleményhez készítsd elő a pontos üzenetet és neveket. Oktatási narrációhoz a felolvasandó szavakban tedd világossá a szakaszhatárokat és meghatározásokat.\n\nA kész anyag lehet rövid elmondott utasítás, narrált részlet vagy nagyobb szerkesztéshez tartozó hangszegmens. A tényleges kimenettel ellenőrizd a kiejtést, teljességet, tempót és választott formátumot. A szöveget a hanggal együtt őrizd meg, hogy a későbbi javítások az érintett részletre korlátozhatók legyenek. Az OpenAI útmutatója megköveteli, hogy a hallgatók világos tájékoztatást kapjanak az AI által generált hangról. Ez a tájékoztatás a hallgatási élményhez tartozik; nem teszi a TTS-1-et emberihang-felvétellé, és nem ad hangklónozási vezérlőket a modellhez.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "7bc448a7489836f3146692da742582bfc5ff8f41ab2582a883c94ffdb040ebce", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "hu", "methods": [ { "html": "openai/tts-1A TTS-1 előkészített szöveget alakít beszédhanggá választható hangokkal, lejátszási sebességgel és kimeneti formátumokkal. Az OpenAI ezt a változatot kisebb késleltetésű beszédgenerálásra optimalizálja, így gyors felolvasásokhoz, rövid narrációhoz és már megírt szöveg streamelt átadásához praktikus.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A TTS-1 az OpenAI sebességre optimalizált szövegfelolvasó modellje. A kimondandó szavakat fogadja, és hanganyagot készít, nem átiratot vagy írott választ. A gyártó példái között írott cikkek narrálása, többnyelvű beszédkészítés és a beérkező hang azonnali lejátszása szerepel. A TTS-1 a TTS-1 HD-hez képest kisebb késleltetésű választás; a HD modell a kimeneti minőséget hangsúlyozza. A hasznos döntés tehát az, hogy a gyors lejátszás vagy a jobb minőségű narráció fontosabb-e a feladathoz.
A beszédgenerálási munkafolyamat a modellre, bemeneti szövegre és kiválasztott hangra épül. Az OpenAI referenciája 4096 karakterre korlátozza a szövegbemenetet; ez karakterkorlát, nem tokenes kontextusablak. Szintézis előtt készítsd elő a tényleges szöveget: írd meg a hallgatónak szánt mondatokat, oldd fel a rövidítéseket, és döntsd el a nevek, mennyiségek és címsorok kimondását. Hosszú cikknél szervezd a szakaszokat önállóan is érthető részletekbe, ne kezeld a hosszú dokumentumot egyetlen beszédkérésként.
Az OpenAI jelenlegi, modellspecifikus TTS-1 hanglistája: alloy, ash, coral, echo, fable, onyx, nova, sage és shimmer. Ezek előre beállított hangok; nem minden újabb beszédmodell teljes hangkészlete. A hangokat angolra optimalizálták, míg a többnyelvű beszédet a kimondandó nyelven adott bemenet támogatja. Olyan reprezentatív részlettel válassz hangot, amelynek szókincse és tempója azonos a végső szövegével. Ha fontos a folytonosság, az összefüggő klipekben tartsd következetesen ugyanazt a választást.
A hang darabokban streamelhető, így a lejátszás a teljes fájl generálásának vége előtt kezdődik. Ez szövegből létrehozott beszéd streamelése, nem kétirányú szóbeli beszélgetés. A dokumentált kimeneti formátumok MP3, Opus, AAC, FLAC, WAV és PCM, MP3-alapértékkel. Az MP3 és AAC tömörített hangot ad; az Opus streameléshez és kommunikációhoz illik; a FLAC veszteségmentes. A WAV elkerüli a tömörített hang dekódolását, a nyers PCM pedig 24 kHz-es, 16 bites, előjeles little-endian mintákat tartalmaz fájlfejléc nélkül. Az OpenAI WAV-ot vagy PCM-et ajánl, ha a válaszidő elsődleges.
A beszédreferencia 0.25–4.0 sebességbeállítást biztosít 1.0 alapértékkel. A kiegészítő természetes nyelvű instructions mező nem működik a TTS-1-gyel, és az eseményalapú SSE-kimenet sem támogatott ennél a modellnél. Dokumentált vezérlői a szöveg, hang, sebesség és hangformátum; az újabb modellek akcentus-, érzelem- vagy suttogásvezérlését nem szabad ehhez a változathoz kapcsolni. Klip előkészítésénél az érthetőséget szolgáló sebességet válassz, majd ellenőrizd a megszólaltatott szavakat és szüneteket, ne feltételezd, hogy a karakterek száma pontos időtartamot rögzít.
A nyelvi útmutató angolt, oroszt, ukránt, franciát, németet, spanyolt, portugált, olaszt, arabot, kínait, japánt, koreait, hindit, kazahot és sok más nyelvet tartalmaz. A beszéd a megadott szöveg nyelvét követi. A többnyelvű narrációs feladatleírás ezért a lefordított szöveggel és célközönséggel kezdődik; a szövegfelolvasás megszólaltatási lépés, nem fordítási vagy átírási utasítás. Gyakorlati közleményhez készítsd elő a pontos üzenetet és neveket. Oktatási narrációhoz a felolvasandó szavakban tedd világossá a szakaszhatárokat és meghatározásokat.
A kész anyag lehet rövid elmondott utasítás, narrált részlet vagy nagyobb szerkesztéshez tartozó hangszegmens. A tényleges kimenettel ellenőrizd a kiejtést, teljességet, tempót és választott formátumot. A szöveget a hanggal együtt őrizd meg, hogy a későbbi javítások az érintett részletre korlátozhatók legyenek. Az OpenAI útmutatója megköveteli, hogy a hallgatók világos tájékoztatást kapjanak az AI által generált hangról. Ez a tájékoztatás a hallgatási élményhez tartozik; nem teszi a TTS-1-et emberihang-felvétellé, és nem ad hangklónozási vezérlőket a modellhez.
POST /v1/audio/speechtextaudio| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok openai/tts-1 | Alapértelmezett— |
Mezőinput | Típusstring | KövetelményKötelező | Értékek és korlátok Minimális hossz: 1 Maximális hossz: 4096 Egység: Unicode-karakterek | Alapértelmezett— |
Mezővoice | Típusstring | KövetelményKötelező | Értékek és korlátok alloy | Alapértelmezett— |
text_to_speech · Kötelező: input
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, input, voice |
Paramétervoice_ids | Szerződésalloy |
Paramétermax_input_characters | Szerződés4096 |
Paraméterother_options | Szerződésfalse |
Paraméterinput | Szerződéspontos UTF-8 szöveg; Unicode-karakterszám normalizálás nélkül |
Paramétermaterial_types | Szerződéstext |
Életciklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · A ténylegesen visszaadott task_id vagy a médiatár bejegyzése
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
E modell profiljából válassza ki a pontos hangot.
A bemeneti karakterek és a hangmásodpercek külön mérési egységek.
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon.
| Beállítás | Díjtáblázat | Számlázható mennyiség | Elszámolási mennyiség | Elszámolási egység | Díj |
|---|---|---|---|---|---|
| BeállításTokenek alapdíjai | DíjtáblázatAlapdíj | Számlázható mennyiség— | Elszámolási mennyiség— | Elszámolási egység— | Díj Bemenet · Bemeneti tokenek — / 1K token Kimenet · Kimeneti tokenek — / 1K token Bemenet · Gyorsítótár olvasása — / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
| BeállításUltra | Díjtáblázat— | Számlázható mennyiségMinden Unicode-kódpont egy karakternek számít, a Han-karaktereket is beleértve. | Elszámolási mennyiség— | Elszámolási egység1K bemeneti karakterenként | Díj Bemenet · bemeneti karakter $0.03 1K bemeneti karakterenként |
| BeállításKérésenként | Díjtáblázat— | Számlázható mennyiség— | Elszámolási mennyiségegy kérés | Elszámolási egység— | Díj Bemenet $0 kérésenként |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
set -eu\n: "${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", "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\nŐrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg a teljes bináris eredményt és a fejléceket. JSON vagy több kimenet esetén őrizzen meg minden adatelemet, és töltse le minden ténylegesen visszaadott, aláírt média-URL tartalmát.
Őrizze meg az eredeti operation_id/X-Client-Request-ID értéket az egyeztetéshez, újbóli beküldés nélkül; nincs külön hangállapot-lekérdezési útvonal.
| Mező | Típus |
|---|---|
Mezőbinary audio | Típusbytes |
Mezőresponse headers | Típusheaders |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Válaszserver_error | FeltételA visszaadott válasz szerint a művelet vagy az eredmény ellenőrzést igényel | Következő lépésŐrizze meg az eredetileg visszaadott művelet- vagy feladatazonosítót, a kérés fejléceit és a választ; folytassa az eredeti művelet támogatott lekérdezéseit. Ne küldje be újra a létrehozási kérést. |
Ailoot Ultra openai/tts-1
Használja a fent látható metódusútvonalakat.