{ "aboutHtml": "

TTS-1 HD je OpenAI-jev model za pretvorbo besedila v govor, optimiziran za kakovost zvoka. Njegov vnos je pripravljen scenarij, izhod pa govorni zvok. Izbira HD se razlikuje od hitrostno usmerjenega profila TTS-1: OpenAI TTS-1 opisuje kot model z nižjo zakasnitvijo, vendar nižjo kakovostjo. HD je zato uporabna izbira za pripovedovanje, kadar je dokončana glasovna steza pomembnejša od čim hitrejšega začetka predvajanja. Pisni članek, učni odlomek ali izpiljena razlaga lahko postane govorno gradivo.

Osrednji vnosi so izbrani model, natančno besedilo in glas. Proizvajalčeva govorna referenca scenarij omeji na 4096 znakov na zahtevo. To opisuje dolžino pisnega vnosa, ne jamstva trajanja zvoka. Pripravite scenarij, razumljiv ob poslušanju: razširite dvoumne okrajšave, določite izgovarjavo količin in ohranite vsak odlomek povezan. Pri daljši učni enoti ali članku besedilo razdelite na smiselnih mejah in ohranite vrstni red uporabe nastalih odlomkov.

Trenutni vodnik OpenAI navaja devet vgrajenih izbir za TTS-1 HD: alloy, ash, coral, echo, fable, onyx, nova, sage in shimmer. Glasovi so optimizirani za angleščino, vodnik za pretvorbo besedila v govor pa podpira ustvarjanje govora v več jezikih s posredovanjem besedila v zahtevanem jeziku. Primerjava glasov je najuporabnejša z istim reprezentativnim scenarijem, ki vključuje imena in strokovno besedišče končnega gradiva. Glas in hitrost ohranite dosledna, kadar več izsekov tvori eno pripoved.

MP3 je privzeti izhod. Opus in AAC zagotavljata alternativna stisnjena zvočna formata; FLAC omogoča stiskanje brez izgub; WAV zagotavlja nestisnjen zvok. PCM zagotavlja surove 24 kHz, 16-bitne predznačene vzorce little-endian brez glave datoteke. Te izbire služijo različnim uporabam: kompaktni datoteki za distribucijo, pretočnemu gradivu ali zvoku za nadaljnji potek urejanja. OpenAI priporoča WAV ali PCM za hitrejši odziv, kadar je pomembna obremenitev zaradi dekodiranja. Izbira datotečnega formata ne spremeni scenarija in ne doda ločenega modela za nadzor glasu.

Govor je mogoče dostavljati po delih, tako da predvajalnik začne pred pripravljenostjo celotne zvočne datoteke. To je pretakanje besedila v zvok; ne vzpostavlja dvosmernega glasovnega pogovora. Referenca podpira hitrost od 0,25 do 4,0 s privzeto vrednostjo 1,0. Ločeno polje za navodila v naravnem jeziku ne deluje s TTS-1 HD, izhod dogodkov SSE pa pri tem modelu ni podprt. Dokumentirane nastavitve so scenarij, prednastavljeni glas, hitrost in izhodni format, ne vmesnik novejših govornih modelov za usmerjanje naglasa ali čustev z navodili.

Jezikovni vodnik med podprtimi jeziki vključuje ruščino, ukrajinščino, angleščino, francoščino, nemščino, španščino, portugalščino, italijanščino, kitajščino, japonščino, korejščino, arabščino, hindijščino in kazaščino. Scenarij pripravite v ciljnem jeziku; sinteza to besedilo upodobi, ne prevaja. Pri učni vsebini jasno izrazite definicije in prehode med razdelki. Pri razlagalnem zvočnem odlomku pripravite natančno sporočilo in vsa imena, ki morajo biti slišana. Optimizacija glasu za angleščino ostaja pomembna pri oceni zvena določenega jezika in besedišča.

Praktičen potek HD ustvari zvočni odlomek za poslušanje, pregled in nato vključitev v končno gradivo. Preverite, ali je bil upodobljen vsak stavek, ali so imena in količine sprejemljivo izgovorjeni in ali izbrani tempo podpira razumevanje. Pisni scenarij ohranite ob zvoku, da je vsak popravek mogoče povezati z ustreznim odlomkom. OpenAI zahteva jasno razkritje, da je ustvarjeni glas umeten. HD opisuje družino TTS, usmerjeno v kakovost; samo po sebi ne obljublja natančnega časovnega poteka, prilagojene identitete govorca ali izraznih nastavitev drugega modela.

", "aboutText": "TTS-1 HD je OpenAI-jev model za pretvorbo besedila v govor, optimiziran za kakovost zvoka. Njegov vnos je pripravljen scenarij, izhod pa govorni zvok. Izbira HD se razlikuje od hitrostno usmerjenega profila TTS-1: OpenAI TTS-1 opisuje kot model z nižjo zakasnitvijo, vendar nižjo kakovostjo. HD je zato uporabna izbira za pripovedovanje, kadar je dokončana glasovna steza pomembnejša od čim hitrejšega začetka predvajanja. Pisni članek, učni odlomek ali izpiljena razlaga lahko postane govorno gradivo.\n\nOsrednji vnosi so izbrani model, natančno besedilo in glas. Proizvajalčeva govorna referenca scenarij omeji na 4096 znakov na zahtevo. To opisuje dolžino pisnega vnosa, ne jamstva trajanja zvoka. Pripravite scenarij, razumljiv ob poslušanju: razširite dvoumne okrajšave, določite izgovarjavo količin in ohranite vsak odlomek povezan. Pri daljši učni enoti ali članku besedilo razdelite na smiselnih mejah in ohranite vrstni red uporabe nastalih odlomkov.\n\nTrenutni vodnik OpenAI navaja devet vgrajenih izbir za TTS-1 HD: alloy, ash, coral, echo, fable, onyx, nova, sage in shimmer. Glasovi so optimizirani za angleščino, vodnik za pretvorbo besedila v govor pa podpira ustvarjanje govora v več jezikih s posredovanjem besedila v zahtevanem jeziku. Primerjava glasov je najuporabnejša z istim reprezentativnim scenarijem, ki vključuje imena in strokovno besedišče končnega gradiva. Glas in hitrost ohranite dosledna, kadar več izsekov tvori eno pripoved.\n\nMP3 je privzeti izhod. Opus in AAC zagotavljata alternativna stisnjena zvočna formata; FLAC omogoča stiskanje brez izgub; WAV zagotavlja nestisnjen zvok. PCM zagotavlja surove 24 kHz, 16-bitne predznačene vzorce little-endian brez glave datoteke. Te izbire služijo različnim uporabam: kompaktni datoteki za distribucijo, pretočnemu gradivu ali zvoku za nadaljnji potek urejanja. OpenAI priporoča WAV ali PCM za hitrejši odziv, kadar je pomembna obremenitev zaradi dekodiranja. Izbira datotečnega formata ne spremeni scenarija in ne doda ločenega modela za nadzor glasu.\n\nGovor je mogoče dostavljati po delih, tako da predvajalnik začne pred pripravljenostjo celotne zvočne datoteke. To je pretakanje besedila v zvok; ne vzpostavlja dvosmernega glasovnega pogovora. Referenca podpira hitrost od 0,25 do 4,0 s privzeto vrednostjo 1,0. Ločeno polje za navodila v naravnem jeziku ne deluje s TTS-1 HD, izhod dogodkov SSE pa pri tem modelu ni podprt. Dokumentirane nastavitve so scenarij, prednastavljeni glas, hitrost in izhodni format, ne vmesnik novejših govornih modelov za usmerjanje naglasa ali čustev z navodili.\n\nJezikovni vodnik med podprtimi jeziki vključuje ruščino, ukrajinščino, angleščino, francoščino, nemščino, španščino, portugalščino, italijanščino, kitajščino, japonščino, korejščino, arabščino, hindijščino in kazaščino. Scenarij pripravite v ciljnem jeziku; sinteza to besedilo upodobi, ne prevaja. Pri učni vsebini jasno izrazite definicije in prehode med razdelki. Pri razlagalnem zvočnem odlomku pripravite natančno sporočilo in vsa imena, ki morajo biti slišana. Optimizacija glasu za angleščino ostaja pomembna pri oceni zvena določenega jezika in besedišča.\n\nPraktičen potek HD ustvari zvočni odlomek za poslušanje, pregled in nato vključitev v končno gradivo. Preverite, ali je bil upodobljen vsak stavek, ali so imena in količine sprejemljivo izgovorjeni in ali izbrani tempo podpira razumevanje. Pisni scenarij ohranite ob zvoku, da je vsak popravek mogoče povezati z ustreznim odlomkom. OpenAI zahteva jasno razkritje, da je ustvarjeni glas umeten. HD opisuje družino TTS, usmerjeno v kakovost; samo po sebi ne obljublja natančnega časovnega poteka, prilagojene identitete govorca ali izraznih nastavitev drugega modela.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "8a59098abdc737847af2f40ba1e9677320d0ce68764f9d43177eadcb951d801d", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sl", "methods": [ { "html": "
•

tts-1-hd

Drugo /openai/tts-1-hd

Začetek

TTS-1 HD pretvori pisno besedilo v kakovostnejši govorni zvok z izbirnimi prednastavljenimi glasovi, hitrostjo in šestimi izhodnimi formati. OpenAI HD namenja kakovosti pripovedi namesto profilu nižje zakasnitve TTS-1, zato je uporaben za dokončana branja, učno gradivo in urejene zvočne odlomke.

Dovoljeni vhodi
Besedilo
Rezultati
Zvok
O modelu

Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.

TTS-1 HD je OpenAI-jev model za pretvorbo besedila v govor, optimiziran za kakovost zvoka. Njegov vnos je pripravljen scenarij, izhod pa govorni zvok. Izbira HD se razlikuje od hitrostno usmerjenega profila TTS-1: OpenAI TTS-1 opisuje kot model z nižjo zakasnitvijo, vendar nižjo kakovostjo. HD je zato uporabna izbira za pripovedovanje, kadar je dokončana glasovna steza pomembnejša od čim hitrejšega začetka predvajanja. Pisni članek, učni odlomek ali izpiljena razlaga lahko postane govorno gradivo.

Osrednji vnosi so izbrani model, natančno besedilo in glas. Proizvajalčeva govorna referenca scenarij omeji na 4096 znakov na zahtevo. To opisuje dolžino pisnega vnosa, ne jamstva trajanja zvoka. Pripravite scenarij, razumljiv ob poslušanju: razširite dvoumne okrajšave, določite izgovarjavo količin in ohranite vsak odlomek povezan. Pri daljši učni enoti ali članku besedilo razdelite na smiselnih mejah in ohranite vrstni red uporabe nastalih odlomkov.

Trenutni vodnik OpenAI navaja devet vgrajenih izbir za TTS-1 HD: alloy, ash, coral, echo, fable, onyx, nova, sage in shimmer. Glasovi so optimizirani za angleščino, vodnik za pretvorbo besedila v govor pa podpira ustvarjanje govora v več jezikih s posredovanjem besedila v zahtevanem jeziku. Primerjava glasov je najuporabnejša z istim reprezentativnim scenarijem, ki vključuje imena in strokovno besedišče končnega gradiva. Glas in hitrost ohranite dosledna, kadar več izsekov tvori eno pripoved.

MP3 je privzeti izhod. Opus in AAC zagotavljata alternativna stisnjena zvočna formata; FLAC omogoča stiskanje brez izgub; WAV zagotavlja nestisnjen zvok. PCM zagotavlja surove 24 kHz, 16-bitne predznačene vzorce little-endian brez glave datoteke. Te izbire služijo različnim uporabam: kompaktni datoteki za distribucijo, pretočnemu gradivu ali zvoku za nadaljnji potek urejanja. OpenAI priporoča WAV ali PCM za hitrejši odziv, kadar je pomembna obremenitev zaradi dekodiranja. Izbira datotečnega formata ne spremeni scenarija in ne doda ločenega modela za nadzor glasu.

Govor je mogoče dostavljati po delih, tako da predvajalnik začne pred pripravljenostjo celotne zvočne datoteke. To je pretakanje besedila v zvok; ne vzpostavlja dvosmernega glasovnega pogovora. Referenca podpira hitrost od 0,25 do 4,0 s privzeto vrednostjo 1,0. Ločeno polje za navodila v naravnem jeziku ne deluje s TTS-1 HD, izhod dogodkov SSE pa pri tem modelu ni podprt. Dokumentirane nastavitve so scenarij, prednastavljeni glas, hitrost in izhodni format, ne vmesnik novejših govornih modelov za usmerjanje naglasa ali čustev z navodili.

Jezikovni vodnik med podprtimi jeziki vključuje ruščino, ukrajinščino, angleščino, francoščino, nemščino, španščino, portugalščino, italijanščino, kitajščino, japonščino, korejščino, arabščino, hindijščino in kazaščino. Scenarij pripravite v ciljnem jeziku; sinteza to besedilo upodobi, ne prevaja. Pri učni vsebini jasno izrazite definicije in prehode med razdelki. Pri razlagalnem zvočnem odlomku pripravite natančno sporočilo in vsa imena, ki morajo biti slišana. Optimizacija glasu za angleščino ostaja pomembna pri oceni zvena določenega jezika in besedišča.

Praktičen potek HD ustvari zvočni odlomek za poslušanje, pregled in nato vključitev v končno gradivo. Preverite, ali je bil upodobljen vsak stavek, ali so imena in količine sprejemljivo izgovorjeni in ali izbrani tempo podpira razumevanje. Pisni scenarij ohranite ob zvoku, da je vsak popravek mogoče povezati z ustreznim odlomkom. OpenAI zahteva jasno razkritje, da je ustvarjeni glas umeten. HD opisuje družino TTS, usmerjeno v kakovost; samo po sebi ne obljublja natančnega časovnega poteka, prilagojene identitete govorca ali izraznih nastavitev drugega modela.

Na voljo v Ailoot · vhodi in metode

Ailoot Ultra · Pretvorba v govor POST /v1/audio/speech
Vhod
text
Izhod
audio
Izhodni format
mp3
PoljeVrstaZahtevaVrednosti in omejitvePrivzeto
PoljemodelVrstastringZahtevaObveznoVrednosti in omejitve
openai/tts-1-hd
Privzeto—
PoljeinputVrstastringZahtevaObveznoVrednosti in omejitve
Najmanjša dolžina: 1
Največja dolžina: 4096
Enota: znaki Unicode
Privzeto—
PoljevoiceVrstastringZahtevaObveznoVrednosti in omejitve
alloy
Privzeto—
Kombinacije vhodnih gradiv

text_to_speech · Obvezno: input

Parametri in življenjski cikel metode
ParameterSpecifikacija
Parametercontent_typeSpecifikacijaapplication/json
ParameterrequiredSpecifikacijamodel, input, voice
Parametervoice_idsSpecifikacijaalloy
Parametermax_input_charactersSpecifikacija4096
Parameterother_optionsSpecifikacijafalse
ParameterinputSpecifikacijanatančno besedilo UTF-8; število znakov Unicode brez normalizacije
Parametermaterial_typesSpecifikacijatext

Življenjski cikel: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Dejansko vrnjeni task_id ali zapis v medijski knjižnici

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Izberite natančen glas iz profila tega modela.

Vhodni znaki in zvočne sekunde so različni merili porabe.

Cenik

Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.

Hitri način
Ni navedeno Ko je izbran hitri način
Način flex
Ni navedeno Ko je izbran način flex
Najvišja raven razmišljanja
Ni navedeno Ko najvišja raven razmišljanja uporablja privzeto prilagoditev (default)

Cene Ailoot

Cene po nastavitvah

Vsak strošek povežite s prikazanimi pogoji. Za vsak nabor alternativnih nastavitev uporabite eno ceno.

NastavitevCenovna lestvicaObračunana količinaObračunska količinaObračunska enotaStrošek
NastavitevOsnovne cene žetonovCenovna lestvicaOsnovna cenaObračunana količina—Obračunska količina—Obračunska enota—Strošek
Vhod · Vhodni žetoni — / 1K žetonov
Izhod · Izhodni žetoni — / 1K žetonov
Vhod · Branje predpomnilnika — / 1K žetonov
Vhod · Zapis v predpomnilnik — / 1K žetonov
Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov
NastavitevUltraCenovna lestvica—Obračunana količinaVsaka kodna točka Unicode šteje kot en znak, vključno z znaki Han.Obračunska količina—Obračunska enotana 1K vhodnih znakovStrošek
Vhod · vhodni znak $0.06 na 1K vhodnih znakov
NastavitevNa zahtevoCenovna lestvica—Obračunana količina—Obračunska količinaena zahtevaObračunska enota—Strošek
Vhod $0 na zahtevo

Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →

Primeri zahtev

Ailoot Ultra · Pretvorba v govor

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\n

Prejmi in shrani rezultate

Ailoot Ultra · Pretvorba v govor

mp3

Branje druge vsebine
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\n
Ohrani vse dokončane rezultate

Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.

Shranite celoten binarni rezultat in glave. Če so vrnjeni podatki JSON ali več izhodov, shranite vsak podatkovni element in pridobite vsebino z vsakega dejanskega podpisanega URL datoteke.

Če je treba preveriti izvirni odgovor

Shranite izvirni operation_id/X-Client-Request-ID za uskladitev evidenc brez ponovnega pošiljanja; namenska pot za periodično preverjanje zvoka ne obstaja.

Polja odgovora
PoljeVrsta
Poljebinary audioVrstabytes
Poljeresponse headersVrstaheaders
Napake in naslednji koraki
OdgovorPogojNaslednji korak
Odgovor400 · invalid_request_errorPogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametraNaslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja.
Odgovorserver_errorPogojVrnjeni odgovor navaja, da je treba operacijo ali rezultat preveritiNaslednji korakShranite izvirni vrnjeni ID operacije/opravila, glave zahteve in odgovor; nadaljujte s podprtimi branji te izvirne operacije. Zahteve za ustvarjanje ne pošiljajte znova.

Druga imena

Druga imena modelov

Ailoot Ultra openai/tts-1-hd

Druga imena poti metod

Uporabite zgoraj navedene poti metod.

Povezani ID-ji za klic

openai/tts-1-hd

", "method_identity": { "effective_request_model_id": "openai/tts-1-hd", "fmt": "speech", "http": "POST", "path": "/v1/audio/speech", "request_model_id": "openai/tts-1-hd", "route_label": "Ultra" }, "method_key": "Ultra|speech|/v1/audio/speech|openai%2Ftts-1-hd", "ordinal": 0, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep the complete binary result and headers. If JSON/multiple outputs are returned, retain every data item and fetch each actual signed asset URL.", "errors": [ { "code": null, "condition": "Neveljavna obvezna polja, predstavitev gradiva ali vrednost parametra", "http_status": 400, "recovery": "Pred novo zahtevo za ustvarjanje popravite navedena polja.", "type": "invalid_request_error" }, { "code": null, "condition": "Vrnjeni odgovor navaja, da je treba operacijo ali rezultat preveriti", "http_status": null, "recovery": "Shranite izvirni vrnjeni ID operacije/opravila, glave zahteve in odgovor; nadaljujte s podprtimi branji te izvirne operacije. Zahteve za ustvarjanje ne pošiljajte znova.", "type": "server_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "all_results": "Follow everyactualreturnedoutputandownedasset; no result is discardedbecauseindex0orcontent_urlalreadyexists.", "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "actual returned task_id or media library record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Shranite izvirni operation_id/X-Client-Request-ID za uskladitev evidenc brez ponovnega pošiljanja; namenska pot za periodično preverjanje zvoka ne obstaja." }, "material_combinations": [ { "content_type": "application/json", "mode": "text_to_speech", "required": [ "input" ] } ], "media_library": { "asset": { "fields": [ { "description": null, "name": "asset_id", "type": "string" }, { "description": null, "name": "task_id", "type": "string" }, { "description": null, "name": "output_key", "type": "string" }, { "description": null, "name": "family", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "method", "type": "string" }, { "description": null, "name": "status", "type": "string" }, { "description": null, "name": "content_type", "type": "string" }, { "description": null, "name": "sha256", "type": "string" }, { "description": null, "name": "size_bytes", "type": "integer" }, { "description": null, "name": "content_url", "type": "string" } ], "http": "GET", "id_source": "actual returned asset_id", "path": "/v1/media/assets/{asset_id}" }, "content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "range_header_supported": true, "url_source": "Use exact returned signed content_url including its token; do not construct a token." }, "expired_link": { "code": "link_expired", "http_status": 404, "recovery": "Read the asset again to obtain its refreshed signed content_url, then fetch that URL. Do not regenerate." }, "list": { "all_pages": "Follow every returned next_cursor, then select records by their actual task_id/output_key.", "http": "GET", "output_fields": [ { "description": null, "name": "object", "type": "string" }, { "description": null, "name": "data", "type": "asset[]" }, { "description": null, "name": "next_cursor", "type": "string|null" } ], "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "family", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "cursor", "required": false, "type": "string" }, { "availability": "source_interface", "default": 20, "default_known": true, "enum": null, "enum_known": false, "maximum": 100, "minimum": 1, "name": "limit", "required": false, "type": "integer" } ], "path": "/v1/media/assets" }, "revoke": { "http": "DELETE", "meaning": "Revokes/deletes the existing owned file; this is not generation cancellation.", "path": "/v1/media/assets/{asset_id}", "pending_status": "revoking", "success_statuses": [ 202, 204 ] }, "task": { "http": "GET", "id_source": "actual returned task_id or media library record; operation_id is not task_id", "path": "/v1/media/tasks/{task_id}" } }, "operation_modes": [ "text_to_speech" ], "outputs": { "all_results": "Shranite celoten binarni rezultat in glave. Če so vrnjeni podatki JSON ali več izhodov, shranite vsak podatkovni element in pridobite vsebino z vsakega dejanskega podpisanega URL datoteke.", "family": "audio", "fields": [ { "description": null, "name": "binary audio", "type": "bytes" }, { "description": null, "name": "response headers", "type": "headers" } ], "format": "mp3" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "openai/tts-1-hd" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "maximum_length": 4096, "min_length": 1, "name": "input", "required": true, "type": "string", "unit": "znaki Unicode" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "alloy" ], "enum_known": true, "name": "voice", "required": true, "type": "string" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "response_format field; omit it", "other options" ] }, "hints": [ "Izberite natančen glas iz profila tega modela.", "Vhodni znaki in zvočne sekunde so različni merili porabe." ], "input": { "content_type": "application/json", "input": "natančno besedilo UTF-8; število znakov Unicode brez normalizacije", "material_types": [ "text" ], "max_input_characters": 4096, "other_options": false, "required": [ "model", "input", "voice" ], "voice_ids": [ "alloy" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "Dejansko vrnjeni task_id ali zapis v medijski knjižnici", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Retain original operation_id/X-Client-Request-ID for reconciliation without resubmission; no dedicated audio poll route." }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/audio/speech" }, "method_aliases": [], "operation_modes": [ "text_to_speech" ], "output": { "family": "audio", "format": "mp3", "http_success": 200, "response": "full binary MP3 plus response headers", "result": "complete playable owned MP3" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quantity_meter": "utf8.RuneCountInString(validUTF8): one Han codepoint=1; no Han weighting", "quoted_unit": "per 1000 input character" }, "label": "Ultra", "units": [ { "amount": "0.06000", "amount_unit": "usd_per_1000_characters", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.00006", "native_quantity": 1, "public_unit_label": "per 1000 input character", "quantity": "1000", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_character" } ] }, { "dimensions": { "billing_quantity": "one request" }, "label": "Per request", "units": [ { "amount": "0", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "per_request", "label": "per request", "native_amount_usd_per_unit": "0", "native_quantity": 1, "public_unit_label": "per request", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "per_request" } ] } ], "examples": [ { "code": "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 $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o speech.mp3\n", "label": "curl", "language": "bash" }, { "code": "set -eu\n: \"${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 $AILOOT_API_KEY\" -o media-assets.json\n", "label": "List actual media assets", "language": "bash" }, { "code": "set -eu\n: \"${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 $AILOOT_API_KEY\" -o media-task.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path(\"media-task.json\").read_text())))\nPY_RESULT\n", "label": "Read actual media task", "language": "bash" }, { "code": "set -eu\n: \"${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\n", "label": "Read actual asset metadata", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "speech", "hints": [ "Select exact voice from this model profile.", "Input characters and audio seconds are different meters." ], "http": "POST", "in": null, "input": [ "text" ], "label": "Озвучка текста", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": null, "output": [ "audio" ], "path": "/v1/audio/speech", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "per_request", "image_input_price": null, "image_output_price": null, "per_request_price": 0, "unit_prices": { "audio_input_character": 6e-05 } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quantity_meter": "utf8.RuneCountInString(validUTF8): one Han codepoint=1; no Han weighting", "quoted_unit": "per 1000 input character" }, "label": "Ultra", "units": [ { "amount": "0.06000", "amount_unit": "usd_per_1000_characters", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.00006", "native_quantity": 1, "public_unit_label": "per 1000 input character", "quantity": "1000", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_character" } ] }, { "dimensions": { "billing_quantity": "one request" }, "label": "Per request", "units": [ { "amount": "0", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "per_request", "label": "per request", "native_amount_usd_per_unit": "0", "native_quantity": 1, "public_unit_label": "per request", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "per_request" } ] } ], "request_model_id": "openai/tts-1-hd", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}", "GET /v1/media/assets/{asset_id}/content" ], "tiers": [], "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.06000", "amount_unit": "usd_per_1000_characters", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.00006", "native_quantity": 1, "public_unit_label": "per 1000 input character", "quantity": "1000", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_character" }, { "amount": "0", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "per_request", "label": "per request", "native_amount_usd_per_unit": "0", "native_quantity": 1, "public_unit_label": "per request", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "per_request" } ] } } ], "model_id": "openai/tts-1-hd", "nativeProvenance": { "input_facts_canonical_sha256": "7c549c29634e077735d4596a25290f10d8992126083601aa3bcbc541ace5d2e1", "input_html_sha256": "e00c7188ae884d37d05ec45acf9d5c56780df49b62f242bf82cf2efce8baadc1", "private_audit_sha256": "328eb2128fc7089ce2d7281ae4c88814d6c9e38e2747d03f71ae00b357bf8429", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/sl/openai-tts-1-hd/", "description": "TTS-1 HD pretvori pisno besedilo v kakovostnejši govorni zvok z izbirnimi prednastavljenimi glasovi, hitrostjo in šestimi izhodnimi formati. OpenAI HD namenja kakovosti pripovedi namesto profilu nižje zakasnitve TTS-1, zato je uporaben za dokončana branja, učno gradivo in urejene zvočne odlomke.", "locale": "sl", "md_url": "https://ailoot.ai/models/sl/openai-tts-1-hd/index.md", "title": "tts-1-hd — Ailoot", "url": "https://ailoot.ai/models/sl/openai-tts-1-hd/" }, "rawModel": { "about": "TTS-1 HD je OpenAI-jev model za pretvorbo besedila v govor, optimiziran za kakovost zvoka. Njegov vnos je pripravljen scenarij, izhod pa govorni zvok. Izbira HD se razlikuje od hitrostno usmerjenega profila TTS-1: OpenAI TTS-1 opisuje kot model z nižjo zakasnitvijo, vendar nižjo kakovostjo. HD je zato uporabna izbira za pripovedovanje, kadar je dokončana glasovna steza pomembnejša od čim hitrejšega začetka predvajanja. Pisni članek, učni odlomek ali izpiljena razlaga lahko postane govorno gradivo.\n\nOsrednji vnosi so izbrani model, natančno besedilo in glas. Proizvajalčeva govorna referenca scenarij omeji na 4096 znakov na zahtevo. To opisuje dolžino pisnega vnosa, ne jamstva trajanja zvoka. Pripravite scenarij, razumljiv ob poslušanju: razširite dvoumne okrajšave, določite izgovarjavo količin in ohranite vsak odlomek povezan. Pri daljši učni enoti ali članku besedilo razdelite na smiselnih mejah in ohranite vrstni red uporabe nastalih odlomkov.\n\nTrenutni vodnik OpenAI navaja devet vgrajenih izbir za TTS-1 HD: alloy, ash, coral, echo, fable, onyx, nova, sage in shimmer. Glasovi so optimizirani za angleščino, vodnik za pretvorbo besedila v govor pa podpira ustvarjanje govora v več jezikih s posredovanjem besedila v zahtevanem jeziku. Primerjava glasov je najuporabnejša z istim reprezentativnim scenarijem, ki vključuje imena in strokovno besedišče končnega gradiva. Glas in hitrost ohranite dosledna, kadar več izsekov tvori eno pripoved.\n\nMP3 je privzeti izhod. Opus in AAC zagotavljata alternativna stisnjena zvočna formata; FLAC omogoča stiskanje brez izgub; WAV zagotavlja nestisnjen zvok. PCM zagotavlja surove 24 kHz, 16-bitne predznačene vzorce little-endian brez glave datoteke. Te izbire služijo različnim uporabam: kompaktni datoteki za distribucijo, pretočnemu gradivu ali zvoku za nadaljnji potek urejanja. OpenAI priporoča WAV ali PCM za hitrejši odziv, kadar je pomembna obremenitev zaradi dekodiranja. Izbira datotečnega formata ne spremeni scenarija in ne doda ločenega modela za nadzor glasu.\n\nGovor je mogoče dostavljati po delih, tako da predvajalnik začne pred pripravljenostjo celotne zvočne datoteke. To je pretakanje besedila v zvok; ne vzpostavlja dvosmernega glasovnega pogovora. Referenca podpira hitrost od 0,25 do 4,0 s privzeto vrednostjo 1,0. Ločeno polje za navodila v naravnem jeziku ne deluje s TTS-1 HD, izhod dogodkov SSE pa pri tem modelu ni podprt. Dokumentirane nastavitve so scenarij, prednastavljeni glas, hitrost in izhodni format, ne vmesnik novejših govornih modelov za usmerjanje naglasa ali čustev z navodili.\n\nJezikovni vodnik med podprtimi jeziki vključuje ruščino, ukrajinščino, angleščino, francoščino, nemščino, španščino, portugalščino, italijanščino, kitajščino, japonščino, korejščino, arabščino, hindijščino in kazaščino. Scenarij pripravite v ciljnem jeziku; sinteza to besedilo upodobi, ne prevaja. Pri učni vsebini jasno izrazite definicije in prehode med razdelki. Pri razlagalnem zvočnem odlomku pripravite natančno sporočilo in vsa imena, ki morajo biti slišana. Optimizacija glasu za angleščino ostaja pomembna pri oceni zvena določenega jezika in besedišča.\n\nPraktičen potek HD ustvari zvočni odlomek za poslušanje, pregled in nato vključitev v končno gradivo. Preverite, ali je bil upodobljen vsak stavek, ali so imena in količine sprejemljivo izgovorjeni in ali izbrani tempo podpira razumevanje. Pisni scenarij ohranite ob zvoku, da je vsak popravek mogoče povezati z ustreznim odlomkom. OpenAI zahteva jasno razkritje, da je ustvarjeni glas umeten. HD opisuje družino TTS, usmerjeno v kakovost; samo po sebi ne obljublja natančnega časovnega poteka, prilagojene identitete govorca ali izraznih nastavitev drugega modela.", "alias_of": null, "aliases": [], "author": "Other", "available": null, "canonical_model": "openai/tts-1-hd", "capabilities": { "context_length": 0, "manufacturer_input": [], "manufacturer_output": [] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.06000", "amount_unit": "usd_per_1000_characters", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.00006", "native_quantity": 1, "public_unit_label": "per 1000 input character", "quantity": "1000", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_character" }, { "amount": "0", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "per_request", "label": "per request", "native_amount_usd_per_unit": "0", "native_quantity": 1, "public_unit_label": "per request", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "per_request" } ], "summary": "Celoten cenik konfiguracije je v podrobnostih." } ], "ctx": null, "entity_type": "model", "formats": [ "speech" ], "id": "openai/tts-1-hd", "input": [ "text" ], "kind": "speech", "max_out": null, "methods": [ { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep the complete binary result and headers. If JSON/multiple outputs are returned, retain every data item and fetch each actual signed asset URL.", "errors": [ { "code": null, "condition": "Neveljavna obvezna polja, predstavitev gradiva ali vrednost parametra", "http_status": 400, "recovery": "Pred novo zahtevo za ustvarjanje popravite navedena polja.", "type": "invalid_request_error" }, { "code": null, "condition": "Vrnjeni odgovor navaja, da je treba operacijo ali rezultat preveriti", "http_status": null, "recovery": "Shranite izvirni vrnjeni ID operacije/opravila, glave zahteve in odgovor; nadaljujte s podprtimi branji te izvirne operacije. Zahteve za ustvarjanje ne pošiljajte znova.", "type": "server_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "all_results": "Follow everyactualreturnedoutputandownedasset; no result is discardedbecauseindex0orcontent_urlalreadyexists.", "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "actual returned task_id or media library record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Shranite izvirni operation_id/X-Client-Request-ID za uskladitev evidenc brez ponovnega pošiljanja; namenska pot za periodično preverjanje zvoka ne obstaja." }, "material_combinations": [ { "content_type": "application/json", "mode": "text_to_speech", "required": [ "input" ] } ], "media_library": { "asset": { "fields": [ { "description": null, "name": "asset_id", "type": "string" }, { "description": null, "name": "task_id", "type": "string" }, { "description": null, "name": "output_key", "type": "string" }, { "description": null, "name": "family", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "method", "type": "string" }, { "description": null, "name": "status", "type": "string" }, { "description": null, "name": "content_type", "type": "string" }, { "description": null, "name": "sha256", "type": "string" }, { "description": null, "name": "size_bytes", "type": "integer" }, { "description": null, "name": "content_url", "type": "string" } ], "http": "GET", "id_source": "actual returned asset_id", "path": "/v1/media/assets/{asset_id}" }, "content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "range_header_supported": true, "url_source": "Use exact returned signed content_url including its token; do not construct a token." }, "expired_link": { "code": "link_expired", "http_status": 404, "recovery": "Read the asset again to obtain its refreshed signed content_url, then fetch that URL. Do not regenerate." }, "list": { "all_pages": "Follow every returned next_cursor, then select records by their actual task_id/output_key.", "http": "GET", "output_fields": [ { "description": null, "name": "object", "type": "string" }, { "description": null, "name": "data", "type": "asset[]" }, { "description": null, "name": "next_cursor", "type": "string|null" } ], "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "family", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "cursor", "required": false, "type": "string" }, { "availability": "source_interface", "default": 20, "default_known": true, "enum": null, "enum_known": false, "maximum": 100, "minimum": 1, "name": "limit", "required": false, "type": "integer" } ], "path": "/v1/media/assets" }, "revoke": { "http": "DELETE", "meaning": "Revokes/deletes the existing owned file; this is not generation cancellation.", "path": "/v1/media/assets/{asset_id}", "pending_status": "revoking", "success_statuses": [ 202, 204 ] }, "task": { "http": "GET", "id_source": "actual returned task_id or media library record; operation_id is not task_id", "path": "/v1/media/tasks/{task_id}" } }, "operation_modes": [ "text_to_speech" ], "outputs": { "all_results": "Shranite celoten binarni rezultat in glave. Če so vrnjeni podatki JSON ali več izhodov, shranite vsak podatkovni element in pridobite vsebino z vsakega dejanskega podpisanega URL datoteke.", "family": "audio", "fields": [ { "description": null, "name": "binary audio", "type": "bytes" }, { "description": null, "name": "response headers", "type": "headers" } ], "format": "mp3" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "openai/tts-1-hd" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "maximum_length": 4096, "min_length": 1, "name": "input", "required": true, "type": "string", "unit": "znaki Unicode" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "alloy" ], "enum_known": true, "name": "voice", "required": true, "type": "string" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "response_format field; omit it", "other options" ] }, "hints": [ "Izberite natančen glas iz profila tega modela.", "Vhodni znaki in zvočne sekunde so različni merili porabe." ], "input": { "content_type": "application/json", "input": "natančno besedilo UTF-8; število znakov Unicode brez normalizacije", "material_types": [ "text" ], "max_input_characters": 4096, "other_options": false, "required": [ "model", "input", "voice" ], "voice_ids": [ "alloy" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "Dejansko vrnjeni task_id ali zapis v medijski knjižnici", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Retain original operation_id/X-Client-Request-ID for reconciliation without resubmission; no dedicated audio poll route." }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/audio/speech" }, "method_aliases": [], "operation_modes": [ "text_to_speech" ], "output": { "family": "audio", "format": "mp3", "http_success": 200, "response": "full binary MP3 plus response headers", "result": "complete playable owned MP3" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quantity_meter": "utf8.RuneCountInString(validUTF8): one Han codepoint=1; no Han weighting", "quoted_unit": "per 1000 input character" }, "label": "Ultra", "units": [ { "amount": "0.06000", "amount_unit": "usd_per_1000_characters", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.00006", "native_quantity": 1, "public_unit_label": "per 1000 input character", "quantity": "1000", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_character" } ] }, { "dimensions": { "billing_quantity": "one request" }, "label": "Per request", "units": [ { "amount": "0", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "per_request", "label": "per request", "native_amount_usd_per_unit": "0", "native_quantity": 1, "public_unit_label": "per request", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "per_request" } ] } ], "examples": [ { "code": "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 $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o speech.mp3\n", "label": "curl", "language": "bash" }, { "code": "set -eu\n: \"${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 $AILOOT_API_KEY\" -o media-assets.json\n", "label": "List actual media assets", "language": "bash" }, { "code": "set -eu\n: \"${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 $AILOOT_API_KEY\" -o media-task.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path(\"media-task.json\").read_text())))\nPY_RESULT\n", "label": "Read actual media task", "language": "bash" }, { "code": "set -eu\n: \"${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\n", "label": "Read actual asset metadata", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "speech", "hints": [ "Select exact voice from this model profile.", "Input characters and audio seconds are different meters." ], "http": "POST", "in": null, "input": [ "text" ], "label": "Озвучка текста", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": null, "output": [ "audio" ], "path": "/v1/audio/speech", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "per_request", "image_input_price": null, "image_output_price": null, "per_request_price": 0, "unit_prices": { "audio_input_character": 6e-05 } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quantity_meter": "utf8.RuneCountInString(validUTF8): one Han codepoint=1; no Han weighting", "quoted_unit": "per 1000 input character" }, "label": "Ultra", "units": [ { "amount": "0.06000", "amount_unit": "usd_per_1000_characters", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.00006", "native_quantity": 1, "public_unit_label": "per 1000 input character", "quantity": "1000", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_character" } ] }, { "dimensions": { "billing_quantity": "one request" }, "label": "Per request", "units": [ { "amount": "0", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "per_request", "label": "per request", "native_amount_usd_per_unit": "0", "native_quantity": 1, "public_unit_label": "per request", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "per_request" } ] } ], "request_model_id": "openai/tts-1-hd", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}", "GET /v1/media/assets/{asset_id}/content" ], "tiers": [], "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.06000", "amount_unit": "usd_per_1000_characters", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.00006", "native_quantity": 1, "public_unit_label": "per 1000 input character", "quantity": "1000", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_character" }, { "amount": "0", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "per_request", "label": "per request", "native_amount_usd_per_unit": "0", "native_quantity": 1, "public_unit_label": "per request", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "per_request" } ] } ], "model_aliases": [ { "canonical_model_id": "openai/tts-1-hd", "request_model_id": "openai/tts-1-hd", "route_label": "Ultra" } ], "name": "tts-1-hd", "price": { "in": null, "in_label": null, "out": null, "out_label": null, "sort_in": null, "sort_out": null, "varies": true }, "public_id": "openai/tts-1-hd", "short": "TTS-1 HD pretvori pisno besedilo v kakovostnejši govorni zvok z izbirnimi prednastavljenimi glasovi, hitrostjo in šestimi izhodnimi formati. OpenAI HD namenja kakovosti pripovedi namesto profilu nižje zakasnitve TTS-1, zato je uporaben za dokončana branja, učno gradivo in urejene zvočne odlomke." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "TTS-1 HD pretvori pisno besedilo v kakovostnejši govorni zvok z izbirnimi prednastavljenimi glasovi, hitrostjo in šestimi izhodnimi formati. OpenAI HD namenja kakovosti pripovedi namesto profilu nižje zakasnitve TTS-1, zato je uporaben za dokončana branja, učno gradivo in urejene zvočne odlomke.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "cd62ec5cc90acdec584a62c3dc43bdee8af28b3c1f02d662826072e8e720fe75", "renderer_sha256": "dcba2271c18b0f9570a8b166e8d1e3166f121e096a58609c3a46da31562a1bf2" }, "sourceRevision": "580b0544bbf766ea829f19ef7e68c756bf1ce8cdf6ec3d5269dc1fa145556115" }