O TTS-1 HD é o modelo de conversão de texto em voz da OpenAI otimizado para a qualidade do áudio. Recebe um guião preparado e produz áudio de voz. A opção HD distingue-se do perfil do TTS-1 orientado para a velocidade: a OpenAI descreve o TTS-1 como tendo menor latência, mas também menor qualidade. O HD é, por isso, uma escolha útil para narração quando a faixa de voz acabada é mais importante do que iniciar a reprodução o mais depressa possível. Um artigo escrito, uma passagem de uma aula ou uma explicação cuidada podem tornar-se um recurso de áudio.
As entradas principais são o modelo selecionado, o texto exato e uma voz. A referência de síntese de voz do fabricante limita o guião a 4096 caracteres por pedido. Este limite refere-se ao comprimento do texto de entrada, sem garantir uma duração de áudio. Prepare um guião compreensível quando ouvido: desenvolva abreviaturas ambíguas, decida como pronunciar quantidades e mantenha cada passagem coerente. Para uma aula ou um artigo mais longo, divida o texto em pontos com sentido e conserve a ordem de utilização das passagens resultantes.
O guia atual da OpenAI apresenta nove opções integradas para o TTS-1 HD: alloy, ash, coral, echo, fable, onyx, nova, sage e shimmer. As vozes estão otimizadas para inglês, embora o guia de conversão de texto em voz suporte a geração de fala em vários idiomas mediante a apresentação de texto no idioma pretendido. A comparação de vozes é mais útil quando usa o mesmo guião representativo, incluindo os nomes e o vocabulário especializado que aparecerão no material final. Mantenha a voz e a velocidade consistentes quando vários clips compõem uma única narração.
MP3 é a saída predefinida. Opus e AAC oferecem formatos alternativos de áudio comprimido; FLAC oferece compressão sem perdas; WAV oferece áudio não comprimido. PCM fornece amostras em bruto de 24 kHz, com sinal, de 16 bits e em ordem little-endian, sem cabeçalho de ficheiro. Estas opções servem utilizações diferentes: um ficheiro compacto para distribuição, um recurso para streaming ou áudio para incorporar num fluxo de edição. A OpenAI recomenda WAV ou PCM para respostas mais rápidas quando a sobrecarga da descodificação é relevante. Escolher um formato de ficheiro não altera o guião nem acrescenta um modelo separado de controlo de voz.
A voz pode ser entregue em blocos, permitindo a um leitor começar antes de o ficheiro de áudio completo estar pronto. Trata-se de streaming de texto para áudio; não estabelece uma conversação de voz bidirecional. A referência suporta uma velocidade de 0.25 a 4.0, com 1.0 como valor predefinido. O campo separado de instruções em linguagem natural não funciona com o TTS-1 HD e este modelo não suporta saída de eventos SSE. Os controlos documentados são o guião, a voz predefinida, a velocidade e o formato de saída, em vez da interface dos modelos de voz mais recentes para indicar sotaque ou orientação emocional através de instruções.
O guia de idiomas inclui russo, ucraniano, inglês, francês, alemão, espanhol, português, italiano, chinês, japonês, coreano, árabe, hindi e cazaque entre os idiomas suportados. Prepare o guião no idioma de destino; a síntese reproduz esse texto, em vez de o traduzir. Para conteúdos de aprendizagem, torne claras as definições e as transições entre secções. Para uma passagem de áudio explicativa, prepare a mensagem exata e os nomes que têm de ser ouvidos. A otimização da voz para inglês continua a ser relevante na avaliação de como soam um idioma e um vocabulário específicos.
Um fluxo HD prático produz uma passagem de áudio para ouvir, rever e depois incluir no material acabado. Confirme que todas as frases foram reproduzidas, que nomes e quantidades foram pronunciados de forma aceitável e que o ritmo escolhido favorece a compreensão. Conserve o guião escrito junto do áudio para localizar uma correção na passagem relevante. A OpenAI exige uma indicação clara de que a voz gerada é artificial. HD descreve a família TTS orientada para a qualidade; por si só, não promete tempos exatos, uma identidade de locutor personalizada nem os controlos expressivos de outro modelo.
", "aboutText": "O TTS-1 HD é o modelo de conversão de texto em voz da OpenAI otimizado para a qualidade do áudio. Recebe um guião preparado e produz áudio de voz. A opção HD distingue-se do perfil do TTS-1 orientado para a velocidade: a OpenAI descreve o TTS-1 como tendo menor latência, mas também menor qualidade. O HD é, por isso, uma escolha útil para narração quando a faixa de voz acabada é mais importante do que iniciar a reprodução o mais depressa possível. Um artigo escrito, uma passagem de uma aula ou uma explicação cuidada podem tornar-se um recurso de áudio.\n\nAs entradas principais são o modelo selecionado, o texto exato e uma voz. A referência de síntese de voz do fabricante limita o guião a 4096 caracteres por pedido. Este limite refere-se ao comprimento do texto de entrada, sem garantir uma duração de áudio. Prepare um guião compreensível quando ouvido: desenvolva abreviaturas ambíguas, decida como pronunciar quantidades e mantenha cada passagem coerente. Para uma aula ou um artigo mais longo, divida o texto em pontos com sentido e conserve a ordem de utilização das passagens resultantes.\n\nO guia atual da OpenAI apresenta nove opções integradas para o TTS-1 HD: alloy, ash, coral, echo, fable, onyx, nova, sage e shimmer. As vozes estão otimizadas para inglês, embora o guia de conversão de texto em voz suporte a geração de fala em vários idiomas mediante a apresentação de texto no idioma pretendido. A comparação de vozes é mais útil quando usa o mesmo guião representativo, incluindo os nomes e o vocabulário especializado que aparecerão no material final. Mantenha a voz e a velocidade consistentes quando vários clips compõem uma única narração.\n\nMP3 é a saída predefinida. Opus e AAC oferecem formatos alternativos de áudio comprimido; FLAC oferece compressão sem perdas; WAV oferece áudio não comprimido. PCM fornece amostras em bruto de 24 kHz, com sinal, de 16 bits e em ordem little-endian, sem cabeçalho de ficheiro. Estas opções servem utilizações diferentes: um ficheiro compacto para distribuição, um recurso para streaming ou áudio para incorporar num fluxo de edição. A OpenAI recomenda WAV ou PCM para respostas mais rápidas quando a sobrecarga da descodificação é relevante. Escolher um formato de ficheiro não altera o guião nem acrescenta um modelo separado de controlo de voz.\n\nA voz pode ser entregue em blocos, permitindo a um leitor começar antes de o ficheiro de áudio completo estar pronto. Trata-se de streaming de texto para áudio; não estabelece uma conversação de voz bidirecional. A referência suporta uma velocidade de 0.25 a 4.0, com 1.0 como valor predefinido. O campo separado de instruções em linguagem natural não funciona com o TTS-1 HD e este modelo não suporta saída de eventos SSE. Os controlos documentados são o guião, a voz predefinida, a velocidade e o formato de saída, em vez da interface dos modelos de voz mais recentes para indicar sotaque ou orientação emocional através de instruções.\n\nO guia de idiomas inclui russo, ucraniano, inglês, francês, alemão, espanhol, português, italiano, chinês, japonês, coreano, árabe, hindi e cazaque entre os idiomas suportados. Prepare o guião no idioma de destino; a síntese reproduz esse texto, em vez de o traduzir. Para conteúdos de aprendizagem, torne claras as definições e as transições entre secções. Para uma passagem de áudio explicativa, prepare a mensagem exata e os nomes que têm de ser ouvidos. A otimização da voz para inglês continua a ser relevante na avaliação de como soam um idioma e um vocabulário específicos.\n\nUm fluxo HD prático produz uma passagem de áudio para ouvir, rever e depois incluir no material acabado. Confirme que todas as frases foram reproduzidas, que nomes e quantidades foram pronunciados de forma aceitável e que o ritmo escolhido favorece a compreensão. Conserve o guião escrito junto do áudio para localizar uma correção na passagem relevante. A OpenAI exige uma indicação clara de que a voz gerada é artificial. HD descreve a família TTS orientada para a qualidade; por si só, não promete tempos exatos, uma identidade de locutor personalizada nem os controlos expressivos de outro modelo.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "cffa1e0e3bd47fe7502cf1e52d772883c3ea14c876be6b829247cfbdc76944cf", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pt-pt", "methods": [ { "html": "openai/tts-1-hdO TTS-1 HD converte texto escrito em áudio de voz de qualidade superior, com vozes predefinidas selecionáveis, controlo de velocidade e seis formatos de saída. A OpenAI posiciona o HD pela qualidade da narração, em comparação com o perfil de menor latência do TTS-1, tornando-o útil para leituras acabadas, materiais de aprendizagem e passagens de áudio editadas.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
O TTS-1 HD é o modelo de conversão de texto em voz da OpenAI otimizado para a qualidade do áudio. Recebe um guião preparado e produz áudio de voz. A opção HD distingue-se do perfil do TTS-1 orientado para a velocidade: a OpenAI descreve o TTS-1 como tendo menor latência, mas também menor qualidade. O HD é, por isso, uma escolha útil para narração quando a faixa de voz acabada é mais importante do que iniciar a reprodução o mais depressa possível. Um artigo escrito, uma passagem de uma aula ou uma explicação cuidada podem tornar-se um recurso de áudio.
As entradas principais são o modelo selecionado, o texto exato e uma voz. A referência de síntese de voz do fabricante limita o guião a 4096 caracteres por pedido. Este limite refere-se ao comprimento do texto de entrada, sem garantir uma duração de áudio. Prepare um guião compreensível quando ouvido: desenvolva abreviaturas ambíguas, decida como pronunciar quantidades e mantenha cada passagem coerente. Para uma aula ou um artigo mais longo, divida o texto em pontos com sentido e conserve a ordem de utilização das passagens resultantes.
O guia atual da OpenAI apresenta nove opções integradas para o TTS-1 HD: alloy, ash, coral, echo, fable, onyx, nova, sage e shimmer. As vozes estão otimizadas para inglês, embora o guia de conversão de texto em voz suporte a geração de fala em vários idiomas mediante a apresentação de texto no idioma pretendido. A comparação de vozes é mais útil quando usa o mesmo guião representativo, incluindo os nomes e o vocabulário especializado que aparecerão no material final. Mantenha a voz e a velocidade consistentes quando vários clips compõem uma única narração.
MP3 é a saída predefinida. Opus e AAC oferecem formatos alternativos de áudio comprimido; FLAC oferece compressão sem perdas; WAV oferece áudio não comprimido. PCM fornece amostras em bruto de 24 kHz, com sinal, de 16 bits e em ordem little-endian, sem cabeçalho de ficheiro. Estas opções servem utilizações diferentes: um ficheiro compacto para distribuição, um recurso para streaming ou áudio para incorporar num fluxo de edição. A OpenAI recomenda WAV ou PCM para respostas mais rápidas quando a sobrecarga da descodificação é relevante. Escolher um formato de ficheiro não altera o guião nem acrescenta um modelo separado de controlo de voz.
A voz pode ser entregue em blocos, permitindo a um leitor começar antes de o ficheiro de áudio completo estar pronto. Trata-se de streaming de texto para áudio; não estabelece uma conversação de voz bidirecional. A referência suporta uma velocidade de 0.25 a 4.0, com 1.0 como valor predefinido. O campo separado de instruções em linguagem natural não funciona com o TTS-1 HD e este modelo não suporta saída de eventos SSE. Os controlos documentados são o guião, a voz predefinida, a velocidade e o formato de saída, em vez da interface dos modelos de voz mais recentes para indicar sotaque ou orientação emocional através de instruções.
O guia de idiomas inclui russo, ucraniano, inglês, francês, alemão, espanhol, português, italiano, chinês, japonês, coreano, árabe, hindi e cazaque entre os idiomas suportados. Prepare o guião no idioma de destino; a síntese reproduz esse texto, em vez de o traduzir. Para conteúdos de aprendizagem, torne claras as definições e as transições entre secções. Para uma passagem de áudio explicativa, prepare a mensagem exata e os nomes que têm de ser ouvidos. A otimização da voz para inglês continua a ser relevante na avaliação de como soam um idioma e um vocabulário específicos.
Um fluxo HD prático produz uma passagem de áudio para ouvir, rever e depois incluir no material acabado. Confirme que todas as frases foram reproduzidas, que nomes e quantidades foram pronunciados de forma aceitável e que o ritmo escolhido favorece a compreensão. Conserve o guião escrito junto do áudio para localizar uma correção na passagem relevante. A OpenAI exige uma indicação clara de que a voz gerada é artificial. HD descreve a família TTS orientada para a qualidade; por si só, não promete tempos exatos, uma identidade de locutor personalizada nem os controlos expressivos de outro modelo.
POST /v1/audio/speechtextaudio| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites openai/tts-1-hd | Predefinição— |
Campoinput | Tipostring | RequisitoObrigatório | Valores e limites Comprimento mínimo: 1 Comprimento máximo: 4096 Unidade: carateres Unicode | Predefinição— |
Campovoice | Tipostring | RequisitoObrigatório | Valores e limites alloy | Predefinição— |
text_to_speech · Obrigatório: input
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, input, voice |
Parâmetrovoice_ids | Contratoalloy |
Parâmetromax_input_characters | Contrato4096 |
Parâmetroother_options | Contratofalse |
Parâmetroinput | Contratotexto UTF-8 exato; contagem de carateres Unicode sem normalização |
Parâmetromaterial_types | Contratotext |
Ciclo de vida: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id efetivamente devolvido ou registo na biblioteca de multimédia
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Selecione a voz exata deste perfil de modelo.
Os carateres de entrada e os segundos de áudio são medidas de utilização diferentes.
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Quantidade faturável | Quantidade faturada | Unidade de faturação | Custo |
|---|---|---|---|---|---|
| ConfiguraçãoTarifas base por token | Tabela de tarifasTarifa base | Quantidade faturável— | Quantidade faturada— | Unidade de faturação— | Custo Entrada · Tokens de entrada — / 1K tokens Saída · Tokens de saída — / 1K tokens Entrada · Leitura da cache — / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoUltra | Tabela de tarifas— | Quantidade faturávelCada ponto de código Unicode conta como um caráter, incluindo os caracteres Han. | Quantidade faturada— | Unidade de faturaçãopor 1K caracteres de entrada | Custo Entrada · carácter de entrada $0.06 por 1K caracteres de entrada |
| ConfiguraçãoPor pedido | Tabela de tarifas— | Quantidade faturável— | Quantidade faturadaum pedido | Unidade de faturação— | Custo Entrada $0 por pedido |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${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\nGuarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Guarde o resultado binário completo e os cabeçalhos. Se forem devolvidos JSON/vários resultados, conserve todos os itens de dados e obtenha cada recurso através do seu URL assinado efetivo.
Conserve o operation_id/X-Client-Request-ID original para reconciliação sem voltar a enviar o pedido; não existe uma rota dedicada à consulta periódica do estado do áudio.
| Campo | Tipo |
|---|---|
Campobinary audio | Tipobytes |
Camporesponse headers | Tipoheaders |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Respostaserver_error | CondiçãoA resposta devolvida indica que a operação ou o resultado requer verificação | Passo seguinteGuarde o ID original da operação/tarefa devolvido, os cabeçalhos do pedido e a resposta; continue a consultar essa operação original através das consultas suportadas. Não volte a enviar o pedido de criação. |
Ailoot Ultra openai/tts-1-hd
Use os caminhos dos métodos indicados acima.