tts-1-hd

TTS-1 HD zamienia pisemny tekst w audio z mową o wyższej jakości, z wyborem gotowych głosów, szybkości i sześciu formatów wyjściowych. OpenAI pozycjonuje HD pod kątem jakości narracji zamiast niższych opóźnień TTS-1, dzięki czemu przydaje się do gotowych odczytów, materiałów edukacyjnych i montowanych fragmentów audio.

Ailoot Ultra · Synteza mowy POST /v1/audio/speech openai/tts-1-hd

O modelu

Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.

TTS-1 HD to model zamiany tekstu na mowę OpenAI zoptymalizowany pod kątem jakości audio. Wejściem jest przygotowany scenariusz, a wyjściem audio z mową. Wybór HD jest odrębny od nastawionego na szybkość profilu TTS-1: OpenAI opisuje TTS-1 jako model o niższym opóźnieniu, lecz niższej jakości. HD jest więc użytecznym wyborem narracyjnym, gdy gotowa ścieżka głosowa liczy się bardziej niż jak najszybsze rozpoczęcie odtwarzania. Artykuł pisemny, fragment lekcji lub dopracowane objaśnienie mogą stać się materiałem mówionym.

Podstawowe wejścia to wybrany model, dokładny tekst i głos. Dokumentacja mowy producenta ogranicza scenariusz do 4096 znaków na żądanie. Opisuje to długość pisemnego wejścia, a nie gwarancję długości audio. Przygotuj scenariusz zrozumiały w odsłuchu: rozwiń niejednoznaczne skróty, ustal sposób odczytania wielkości i zachowaj spójność każdego fragmentu. W dłuższej lekcji lub artykule dziel tekst w znaczących miejscach i zachowuj kolejność wykorzystania powstałych fragmentów.

Aktualny przewodnik OpenAI wymienia dziewięć wbudowanych opcji dla TTS-1 HD: alloy, ash, coral, echo, fable, onyx, nova, sage i shimmer. Głosy są zoptymalizowane dla angielskiego, natomiast przewodnik zamiany tekstu na mowę wspiera generowanie mowy w kilku językach przez dostarczenie tekstu w wymaganym języku. Porównanie głosów jest najbardziej użyteczne z tym samym reprezentatywnym scenariuszem, zawierającym nazwy i słownictwo specjalistyczne obecne w końcowym materiale. Zachowaj spójny głos i szybkość, gdy wiele klipów tworzy jedną narrację.

Domyślnym wyjściem jest MP3. Opus i AAC zapewniają alternatywne skompresowane formaty audio; FLAC zapewnia kompresję bezstratną; WAV nieskompresowane audio. PCM dostarcza surowe próbki 24 kHz, 16-bitowe ze znakiem w porządku little-endian, bez nagłówka pliku. Wybory te służą różnym celom: małemu plikowi do dystrybucji, materiałowi strumieniowemu lub audio przekazywanemu do montażu. OpenAI zaleca WAV lub PCM dla krótszego czasu odpowiedzi, gdy istotny jest narzut dekodowania. Wybór formatu pliku nie zmienia scenariusza ani nie dodaje osobnego modelu sterowania głosem.

Mowę można dostarczać fragmentami, pozwalając odtwarzaczowi rozpocząć pracę przed ukończeniem całego pliku audio. Jest to strumieniowanie tekst–audio; nie ustanawia dwukierunkowej rozmowy głosowej. Dokumentacja obsługuje szybkość od 0.25 do 4.0, z 1.0 jako wartością domyślną. Osobne pole instrukcji w języku naturalnym nie działa z TTS-1 HD, a wyjście zdarzeń SSE nie jest obsługiwane dla tego modelu. Udokumentowane parametry to scenariusz, gotowy głos, szybkość i format wyjściowy, a nie interfejs promptowanego akcentu lub kierunku emocjonalnego nowszych modeli mowy.

Przewodnik językowy wymienia wśród obsługiwanych języków rosyjski, ukraiński, angielski, francuski, niemiecki, hiszpański, portugalski, włoski, chiński, japoński, koreański, arabski, hindi i kazachski. Przygotuj scenariusz w języku docelowym; synteza odtwarza ten tekst, zamiast go tłumaczyć. W treściach edukacyjnych jasno podawaj definicje i przejścia między sekcjami. W objaśniającym fragmencie audio przygotuj dokładny komunikat i nazwy, które trzeba usłyszeć. Optymalizacja głosu dla angielskiego pozostaje istotna przy ocenie brzmienia konkretnego języka i słownictwa.

Praktyczny proces HD tworzy fragment audio do odsłuchania, oceny i następnie umieszczenia w gotowym materiale. Sprawdź, czy odtworzono każde zdanie, czy nazwy i wielkości wymówiono akceptowalnie i czy tempo wspiera zrozumienie. Zachowaj pisemny scenariusz obok audio, aby poprawkę można było powiązać z odpowiednim fragmentem. OpenAI wymaga jasnego poinformowania, że wygenerowany głos jest sztuczny. HD opisuje rodzinę TTS nastawioną na jakość; samo w sobie nie obiecuje dokładnych czasów, niestandardowej tożsamości mówcy ani ekspresyjnych parametrów innego modelu.

Ailoot Ultra · Synteza mowy POST /v1/audio/speech openai/tts-1-hd

openai/tts-1-hd

Inne /openai/tts-1-hd

Start

Akceptowane dane wejściowe: Tekst
Wyniki: Audio

Dostępne w Ailoot · dane wejściowe i metody

Ailoot Ultra · Synteza mowy POST /v1/audio/speech

Wejście: text
Wyjście: audio
Format wyjściowy: mp3

Pole	Typ	Wymaganie	Wartości i limity	Domyślnie
Pole`model`	Typ`string`	WymaganieWymagane	Wartości i limity openai/tts-1-hd	Domyślnie—
Pole`input`	Typ`string`	WymaganieWymagane	Wartości i limity Minimalna długość: 1 Maksymalna długość: 4096 Jednostka: znaki Unicode	Domyślnie—
Pole`voice`	Typ`string`	WymaganieWymagane	Wartości i limity alloy	Domyślnie—

Kombinacje materiałów wejściowych

text_to_speech · Wymagane: input

Parametry i cykl życia metody

Parametr	Kontrakt
Parametr`content_type`	Kontraktapplication/json
Parametr`required`	Kontraktmodel, input, voice
Parametr`voice_ids`	Kontraktalloy
Parametr`max_input_characters`	Kontrakt4096
Parametr`other_options`	Kontraktfalse
Parametr`input`	Kontraktdokładny tekst UTF-8; liczba znaków Unicode bez normalizacji
Parametr`material_types`	Kontrakttext

Cykl życia: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Rzeczywiście zwrócony task_id lub wpis w bibliotece multimediów

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Wybierz dokładny głos z profilu tego modelu.

Znaki wejściowe i sekundy dźwięku to różne jednostki pomiaru.

Cennik

Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.

Tryb szybki: Nie określono Gdy wybrany jest tryb szybki
Tryb flex: Nie określono Gdy wybrany jest tryb flex
Maksymalna intensywność rozumowania: Nie określono Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default)

Stawki Ailoot

Ceny według konfiguracji

Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.

Konfiguracja	Tabela stawek	Ilość rozliczana	Ilość do rozliczenia	Jednostka rozliczeniowa	Opłata
KonfiguracjaBazowe stawki za tokeny	Tabela stawekStawka podstawowa	Ilość rozliczana—	Ilość do rozliczenia—	Jednostka rozliczeniowa—	Opłata Wejście · Tokeny wejściowe — / 1K tokenów Wyjście · Tokeny wyjściowe — / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów
KonfiguracjaUltra	Tabela stawek—	Ilość rozliczanaKażdy punkt kodowy Unicode liczy się jako jeden znak, w tym znaki Han.	Ilość do rozliczenia—	Jednostka rozliczeniowaza 1K znaków wejściowych	Opłata Wejście · znak wejściowy $0.06 za 1K znaków wejściowych
KonfiguracjaZa żądanie	Tabela stawek—	Ilość rozliczana—	Ilość do rozliczeniajedno żądanie	Jednostka rozliczeniowa—	Opłata Wejście $0 za żądanie

Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →

Przykładowe żądania

Ailoot Ultra · Synteza mowy

curl

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "openai/tts-1-hd", "input": "Good afternoon! This is a short voice take.", "voice": "alloy"}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o speech.mp3

Odbieranie i zapisywanie wyników

Ailoot Ultra · Synteza mowy

mp3

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

Inne odczyty treści

Biblioteka multimediówStatus zadaniaSzczegóły pliku

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-assets.json

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_MEDIA_TASK_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_MEDIA_TASK_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/tasks/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-task.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-task.json").read_text())))
PY_RESULT

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_ASSET_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_ASSET_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/assets/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-asset.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-asset.json").read_text())))
PY_RESULT

Zachowaj wszystkie ukończone wyniki

Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.

Zachowaj pełny wynik binarny i nagłówki. Jeśli zwrócono JSON lub wiele wyników, zachowaj każdy element danych i pobierz zasób spod każdego rzeczywiście zwróconego podpisanego adresu URL.

Jeśli trzeba sprawdzić pierwotną odpowiedź

Zachowaj pierwotny operation_id/X-Client-Request-ID do uzgodnienia danych bez ponownego wysyłania żądania; brak osobnej ścieżki API do cyklicznego sprawdzania stanu audio.

Pola odpowiedzi

Pole	Typ
Pole`binary audio`	Typbytes
Pole`response headers`	Typheaders

Błędy i dalsze kroki

Odpowiedź	Warunek	Następny krok
Odpowiedź400 · `invalid_request_error`	WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru	Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia.
Odpowiedź`server_error`	WarunekZwrócona odpowiedź wskazuje, że operacja lub wynik wymaga sprawdzenia	Następny krokZachowaj pierwotnie zwrócony identyfikator operacji lub zadania, nagłówki żądania i odpowiedź; kontynuuj obsługiwane odczyty tej pierwotnej operacji. Nie wysyłaj ponownie żądania utworzenia.

Aliasy

Aliasy modelu

Ailoot Ultra openai/tts-1-hd

Aliasy ścieżek metod

Użyj ścieżek metod podanych powyżej.

Powiązane ID modeli

openai/tts-1-hd

FAQ · tts-1-hd

Jakie dane wejściowe i wyniki są dostępne?: POST /v1/audio/speech · openai/tts-1-hd: text → audio
Jakich pól używa żądanie?: POST /v1/audio/speech · openai/tts-1-hd: model, input, voice
Jakie limity obowiązują?: POST /v1/audio/speech · openai/tts-1-hd: input.maximum_length: 4096

tts-1-hd

tts-1-hd

Start

Dostępne w Ailoot · dane wejściowe i metody

Cennik

Stawki Ailoot

Ceny według konfiguracji

Przykładowe żądania

Ailoot Ultra · Synteza mowy

Odbieranie i zapisywanie wyników

Ailoot Ultra · Synteza mowy

Zachowaj wszystkie ukończone wyniki

Jeśli trzeba sprawdzić pierwotną odpowiedź

Aliasy

Aliasy modelu

Aliasy ścieżek metod

Powiązane ID modeli

Firma i jej portfel projektów

Kupuj tokeny z rabatem.

Połącz API z produktem, który sprzedajesz.