tts-1

TTS-1 — модель синтеза речи OpenAI, оптимизированная для скорости. Она получает произносимые слова и создаёт аудио, а не расшифровку или письменный ответ. Примеры производителя включают озвучивание статей, речь на нескольких языках и воспроизведение по мере поступления аудио. TTS-1 даёт меньшую задержку по сравнению с TTS-1 HD, ориентированной на качество. Поэтому полезный выбор — что важнее задаче: быстрое воспроизведение или более качественное повествование.

Сценарий генерации строится вокруг модели, входного текста и выбранного голоса. Справочник OpenAI ограничивает текст 4096 символами: это символьный лимит, а не токеновое окно контекста. Подготовьте сценарий до синтеза: нужные слушателю предложения, раскрытые сокращения, чтение имён, количеств и заголовков. Для длинной статьи организуйте разделы в самостоятельно понятные отрывки, не рассматривая весь документ как один речевой запрос.

Текущий список голосов именно TTS-1: alloy, ash, coral, echo, fable, onyx, nova, sage и shimmer. Это готовые голоса, а не полный набор каждой новой речевой модели. Они оптимизированы для английского; многоязычная речь поддерживается передачей входа на нужном языке. Выбирайте голос по типичному отрывку со словарём и темпом итогового сценария. Сохраняйте выбор между связанными клипами, когда важна непрерывность.

Аудио может поступать фрагментами, чтобы воспроизведение началось до завершения генерации всего файла. Это поток речи из текста, а не двусторонний разговор. Документированные форматы — MP3, Opus, AAC, FLAC, WAV и PCM; по умолчанию MP3. MP3 и AAC сжимают аудио; Opus подходит для потоков и связи; FLAC не имеет потерь. WAV не требует декодирования сжатого аудио, raw PCM содержит знаковые 16-битные отсчёты little-endian с частотой 24 кГц без заголовка файла. При приоритете времени ответа OpenAI рекомендует WAV или PCM.

Справочник речи предоставляет скорость от 0.25 до 4.0, по умолчанию 1.0. Дополнительное поле инструкций естественным языком с TTS-1 не работает, вывод событий SSE не поддерживается. Документированные настройки — сценарий, голос, скорость и формат; настройки акцента, эмоции или шёпота новых моделей не следует приписывать этой версии. Выберите понятную скорость, затем проверьте озвученные слова и паузы, не предполагая, что число символов задаёт точную длительность.

Руководство языков включает английский, русский, украинский, французский, немецкий, испанский, португальский, итальянский, арабский, китайский, японский, корейский, хинди, казахский и многие другие. Речь следует языку переданного текста. Поэтому многоязычное задание начинается с переведённого сценария и целевой аудитории: TTS — этап озвучивания, а не инструкция перевести или переписать. Для объявления подготовьте точное сообщение и имена. В учебном повествовании ясно обозначьте словами границы разделов и определения.

Готовый материал может быть короткой инструкцией, озвученным отрывком или сегментом большого монтажа. Проверяйте произношение, полноту, темп и формат по фактическому выходу. Храните сценарий с аудио, чтобы локализовать последующие исправления. Руководство OpenAI требует ясно сообщать слушателям, что голос создан ИИ. Это раскрытие относится к прослушиванию; оно не превращает TTS-1 в запись человеческого голоса и не добавляет клонирование.