TTS-1 è il modello di sintesi vocale di OpenAI ottimizzato per la velocità. Riceve le parole da pronunciare e produce audio, anziché una trascrizione o una risposta scritta. Gli esempi del produttore comprendono narrare articoli scritti, produrre parlato in diverse lingue e riprodurre audio mentre arriva. TTS-1 è la scelta a latenza inferiore rispetto a TTS-1 HD; il modello HD privilegia la qualità di output. La decisione utile è quindi se conti di più una riproduzione pronta o un profilo narrativo di qualità superiore per l’attività.
Il flusso di generazione vocale è costruito attorno a modello, testo di input e voce selezionata. Il riferimento di OpenAI limita il testo di input a 4096 caratteri, un limite di caratteri anziché una finestra di contesto in token. Prepara il copione effettivo prima della sintesi: scrivi le frasi che l’ascoltatore dovrebbe sentire, risolvi le abbreviazioni e decidi come pronunciare nomi, quantità e titoli. Per un articolo lungo, organizza le sezioni in passaggi comprensibili indipendentemente anziché trattare un documento lungo come una sola richiesta vocale.
La lista attuale di voci di OpenAI specifica per TTS-1 è alloy, ash, coral, echo, fable, onyx, nova, sage e shimmer. Sono voci preimpostate, non l’insieme completo di voci di ogni modello vocale più recente. Le voci sono ottimizzate per l’inglese, mentre il parlato multilingue è supportato fornendo l’input nella lingua da pronunciare. Scegli una voce usando un passaggio rappresentativo con lo stesso vocabolario e ritmo del copione finale. Mantieni coerente quella scelta tra clip correlate quando conta la continuità.
L’audio può essere trasmesso in segmenti, così che la riproduzione inizi prima che l’intero file abbia finito di essere generato. È streaming di parlato creato da testo, non una conversazione parlata bidirezionale. I formati di output documentati sono MP3, Opus, AAC, FLAC, WAV e PCM, con MP3 predefinito. MP3 e AAC forniscono audio compresso; Opus è adatto a streaming e comunicazione; FLAC è senza perdita. WAV evita la decodifica di audio compresso e PCM grezzo contiene campioni a 24 kHz e 16 bit con segno little-endian senza intestazione del file. OpenAI raccomanda WAV o PCM quando è prioritario il tempo di risposta.
Il riferimento vocale fornisce un’impostazione di velocità da 0.25 a 4.0, con 1.0 predefinito. Il campo aggiuntivo di istruzioni in linguaggio naturale non funziona con TTS-1 e l’output SSE in forma di eventi non è supportato per questo modello. I controlli documentati sono copione, voce, velocità e formato audio; i controlli dei modelli più recenti per accento, emozione o sussurro non dovrebbero essere attribuiti a questa edizione. Quando prepari una clip, scegli la velocità per favorire l’intelligibilità e poi esamina parole e pause rese anziché presumere che il numero di caratteri del copione fissi una durata esatta.
La guida linguistica comprende inglese, russo, ucraino, francese, tedesco, spagnolo, portoghese, italiano, arabo, cinese, giapponese, coreano, hindi, kazako e molte altre lingue. Il parlato segue la lingua del testo fornito. Un brief narrativo multilingue parte quindi dal copione tradotto e dal pubblico previsto; la sintesi vocale è un passaggio di resa, non un’istruzione a tradurlo o riscriverlo. Per un annuncio concreto, prepara messaggio esatto e nomi. Per narrazione didattica, rendi chiari confini delle sezioni e definizioni nelle parole che verranno lette.
Un artefatto finito può essere una breve istruzione parlata, un passaggio narrato o un segmento audio per un montaggio più ampio. Verifica pronuncia, completezza, ritmo e formato scelto usando l’output effettivo. Conserva copione e audio insieme, affinché correzioni successive possano essere localizzate nel passaggio interessato. Le indicazioni di OpenAI richiedono che agli ascoltatori venga chiaramente detto che la voce è generata dall’IA. Quella comunicazione appartiene all’esperienza di ascolto; non trasforma TTS-1 in una registrazione di voce umana e non aggiunge controlli di clonazione vocale al modello.
", "aboutText": "TTS-1 è il modello di sintesi vocale di OpenAI ottimizzato per la velocità. Riceve le parole da pronunciare e produce audio, anziché una trascrizione o una risposta scritta. Gli esempi del produttore comprendono narrare articoli scritti, produrre parlato in diverse lingue e riprodurre audio mentre arriva. TTS-1 è la scelta a latenza inferiore rispetto a TTS-1 HD; il modello HD privilegia la qualità di output. La decisione utile è quindi se conti di più una riproduzione pronta o un profilo narrativo di qualità superiore per l’attività.\n\nIl flusso di generazione vocale è costruito attorno a modello, testo di input e voce selezionata. Il riferimento di OpenAI limita il testo di input a 4096 caratteri, un limite di caratteri anziché una finestra di contesto in token. Prepara il copione effettivo prima della sintesi: scrivi le frasi che l’ascoltatore dovrebbe sentire, risolvi le abbreviazioni e decidi come pronunciare nomi, quantità e titoli. Per un articolo lungo, organizza le sezioni in passaggi comprensibili indipendentemente anziché trattare un documento lungo come una sola richiesta vocale.\n\nLa lista attuale di voci di OpenAI specifica per TTS-1 è alloy, ash, coral, echo, fable, onyx, nova, sage e shimmer. Sono voci preimpostate, non l’insieme completo di voci di ogni modello vocale più recente. Le voci sono ottimizzate per l’inglese, mentre il parlato multilingue è supportato fornendo l’input nella lingua da pronunciare. Scegli una voce usando un passaggio rappresentativo con lo stesso vocabolario e ritmo del copione finale. Mantieni coerente quella scelta tra clip correlate quando conta la continuità.\n\nL’audio può essere trasmesso in segmenti, così che la riproduzione inizi prima che l’intero file abbia finito di essere generato. È streaming di parlato creato da testo, non una conversazione parlata bidirezionale. I formati di output documentati sono MP3, Opus, AAC, FLAC, WAV e PCM, con MP3 predefinito. MP3 e AAC forniscono audio compresso; Opus è adatto a streaming e comunicazione; FLAC è senza perdita. WAV evita la decodifica di audio compresso e PCM grezzo contiene campioni a 24 kHz e 16 bit con segno little-endian senza intestazione del file. OpenAI raccomanda WAV o PCM quando è prioritario il tempo di risposta.\n\nIl riferimento vocale fornisce un’impostazione di velocità da 0.25 a 4.0, con 1.0 predefinito. Il campo aggiuntivo di istruzioni in linguaggio naturale non funziona con TTS-1 e l’output SSE in forma di eventi non è supportato per questo modello. I controlli documentati sono copione, voce, velocità e formato audio; i controlli dei modelli più recenti per accento, emozione o sussurro non dovrebbero essere attribuiti a questa edizione. Quando prepari una clip, scegli la velocità per favorire l’intelligibilità e poi esamina parole e pause rese anziché presumere che il numero di caratteri del copione fissi una durata esatta.\n\nLa guida linguistica comprende inglese, russo, ucraino, francese, tedesco, spagnolo, portoghese, italiano, arabo, cinese, giapponese, coreano, hindi, kazako e molte altre lingue. Il parlato segue la lingua del testo fornito. Un brief narrativo multilingue parte quindi dal copione tradotto e dal pubblico previsto; la sintesi vocale è un passaggio di resa, non un’istruzione a tradurlo o riscriverlo. Per un annuncio concreto, prepara messaggio esatto e nomi. Per narrazione didattica, rendi chiari confini delle sezioni e definizioni nelle parole che verranno lette.\n\nUn artefatto finito può essere una breve istruzione parlata, un passaggio narrato o un segmento audio per un montaggio più ampio. Verifica pronuncia, completezza, ritmo e formato scelto usando l’output effettivo. Conserva copione e audio insieme, affinché correzioni successive possano essere localizzate nel passaggio interessato. Le indicazioni di OpenAI richiedono che agli ascoltatori venga chiaramente detto che la voce è generata dall’IA. Quella comunicazione appartiene all’esperienza di ascolto; non trasforma TTS-1 in una registrazione di voce umana e non aggiunge controlli di clonazione vocale al modello.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "467b0e000fc60c37f66584425f925375270766f72569bf8bad78db257822111f", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "it", "methods": [ { "html": "openai/tts-1TTS-1 converte testo preparato in audio parlato con voci, velocità di riproduzione e formati di output selezionabili. OpenAI ottimizza questa edizione per generazione vocale a latenza inferiore, rendendola una scelta concreta per letture reattive, brevi narrazioni e consegna in streaming di un copione già scritto.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
TTS-1 è il modello di sintesi vocale di OpenAI ottimizzato per la velocità. Riceve le parole da pronunciare e produce audio, anziché una trascrizione o una risposta scritta. Gli esempi del produttore comprendono narrare articoli scritti, produrre parlato in diverse lingue e riprodurre audio mentre arriva. TTS-1 è la scelta a latenza inferiore rispetto a TTS-1 HD; il modello HD privilegia la qualità di output. La decisione utile è quindi se conti di più una riproduzione pronta o un profilo narrativo di qualità superiore per l’attività.
Il flusso di generazione vocale è costruito attorno a modello, testo di input e voce selezionata. Il riferimento di OpenAI limita il testo di input a 4096 caratteri, un limite di caratteri anziché una finestra di contesto in token. Prepara il copione effettivo prima della sintesi: scrivi le frasi che l’ascoltatore dovrebbe sentire, risolvi le abbreviazioni e decidi come pronunciare nomi, quantità e titoli. Per un articolo lungo, organizza le sezioni in passaggi comprensibili indipendentemente anziché trattare un documento lungo come una sola richiesta vocale.
La lista attuale di voci di OpenAI specifica per TTS-1 è alloy, ash, coral, echo, fable, onyx, nova, sage e shimmer. Sono voci preimpostate, non l’insieme completo di voci di ogni modello vocale più recente. Le voci sono ottimizzate per l’inglese, mentre il parlato multilingue è supportato fornendo l’input nella lingua da pronunciare. Scegli una voce usando un passaggio rappresentativo con lo stesso vocabolario e ritmo del copione finale. Mantieni coerente quella scelta tra clip correlate quando conta la continuità.
L’audio può essere trasmesso in segmenti, così che la riproduzione inizi prima che l’intero file abbia finito di essere generato. È streaming di parlato creato da testo, non una conversazione parlata bidirezionale. I formati di output documentati sono MP3, Opus, AAC, FLAC, WAV e PCM, con MP3 predefinito. MP3 e AAC forniscono audio compresso; Opus è adatto a streaming e comunicazione; FLAC è senza perdita. WAV evita la decodifica di audio compresso e PCM grezzo contiene campioni a 24 kHz e 16 bit con segno little-endian senza intestazione del file. OpenAI raccomanda WAV o PCM quando è prioritario il tempo di risposta.
Il riferimento vocale fornisce un’impostazione di velocità da 0.25 a 4.0, con 1.0 predefinito. Il campo aggiuntivo di istruzioni in linguaggio naturale non funziona con TTS-1 e l’output SSE in forma di eventi non è supportato per questo modello. I controlli documentati sono copione, voce, velocità e formato audio; i controlli dei modelli più recenti per accento, emozione o sussurro non dovrebbero essere attribuiti a questa edizione. Quando prepari una clip, scegli la velocità per favorire l’intelligibilità e poi esamina parole e pause rese anziché presumere che il numero di caratteri del copione fissi una durata esatta.
La guida linguistica comprende inglese, russo, ucraino, francese, tedesco, spagnolo, portoghese, italiano, arabo, cinese, giapponese, coreano, hindi, kazako e molte altre lingue. Il parlato segue la lingua del testo fornito. Un brief narrativo multilingue parte quindi dal copione tradotto e dal pubblico previsto; la sintesi vocale è un passaggio di resa, non un’istruzione a tradurlo o riscriverlo. Per un annuncio concreto, prepara messaggio esatto e nomi. Per narrazione didattica, rendi chiari confini delle sezioni e definizioni nelle parole che verranno lette.
Un artefatto finito può essere una breve istruzione parlata, un passaggio narrato o un segmento audio per un montaggio più ampio. Verifica pronuncia, completezza, ritmo e formato scelto usando l’output effettivo. Conserva copione e audio insieme, affinché correzioni successive possano essere localizzate nel passaggio interessato. Le indicazioni di OpenAI richiedono che agli ascoltatori venga chiaramente detto che la voce è generata dall’IA. Quella comunicazione appartiene all’esperienza di ascolto; non trasforma TTS-1 in una registrazione di voce umana e non aggiunge controlli di clonazione vocale al modello.
POST /v1/audio/speechtextaudio| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti openai/tts-1 | Predefinito— |
Campoinput | Tipostring | RequisitoObbligatorio | Valori e limiti Lunghezza minima: 1 Lunghezza massima: 4096 Unità: caratteri Unicode | Predefinito— |
Campovoice | Tipostring | RequisitoObbligatorio | Valori e limiti alloy | Predefinito— |
text_to_speech · Obbligatorio: input
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, input, voice |
Parametrovoice_ids | Contrattoalloy |
Parametromax_input_characters | Contratto4096 |
Parametroother_options | Contrattofalse |
Parametroinput | Contrattotesto UTF-8 esatto; conteggio dei caratteri Unicode senza normalizzazione |
Parametromaterial_types | Contrattotext |
Ciclo di vita: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id effettivamente restituito o record della libreria multimediale
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Seleziona la voce esatta dal profilo di questo modello.
I caratteri in ingresso e i secondi di audio sono unità di misurazione diverse.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Quantità fatturabile | Quantità fatturata | Unità di fatturazione | Costo |
|---|---|---|---|---|---|
| ConfigurazioneTariffe base dei token | Listino delle tariffeTariffa base | Quantità fatturabile— | Quantità fatturata— | Unità di fatturazione— | Costo Input · Token in input — / 1K token Output · Token in output — / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneUltra | Listino delle tariffe— | Quantità fatturabileOgni punto di codice Unicode conta come un carattere, inclusi i caratteri Han. | Quantità fatturata— | Unità di fatturazioneper 1K caratteri in input | Costo Input · carattere in ingresso $0.03 per 1K caratteri in input |
| ConfigurazionePer richiesta | Listino delle tariffe— | Quantità fatturabile— | Quantità fatturatauna richiesta | Unità di fatturazione— | Costo Input $0 per richiesta |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${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\nConserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva il risultato binario completo e gli header. Se vengono restituiti JSON o più output, conserva ogni elemento data e recupera ogni URL firmato effettivo della risorsa.
Conserva operation_id/X-Client-Request-ID originale per la riconciliazione senza reinvio; non esiste una rotta dedicata al polling audio.
| Campo | Tipo |
|---|---|
Campobinary audio | Tipobytes |
Camporesponse headers | Tipoheaders |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Rispostaserver_error | CondizioneLa risposta restituita indica che l'operazione o il risultato richiede una verifica | Passaggio successivoConserva l'ID originale di operazione/task restituito, gli header della richiesta e la risposta; continua a leggere l'operazione originale tramite le modalità supportate. Non reinviare la richiesta di creazione. |
Ailoot Ultra openai/tts-1
Usa i percorsi dei metodi indicati sopra.