tts-1-hd

TTS-1 HD เปลี่ยนข้อความเขียนเป็นเสียงพูดคุณภาพสูงขึ้น พร้อมเสียงสำเร็จรูป ความเร็ว และรูปแบบเอาต์พุตหกแบบที่เลือกได้ OpenAI วางตำแหน่ง HD ด้านคุณภาพการบรรยาย ต่างจาก TTS-1 ที่เน้นความหน่วงต่ำกว่า จึงเหมาะกับงานอ่านฉบับสมบูรณ์ สื่อการเรียน และช่วงเสียงที่ผ่านการแก้ไข

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

เกี่ยวกับโมเดล

คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก

TTS-1 HD เป็นโมเดลแปลงข้อความเป็นเสียงของ OpenAI ที่ปรับให้เหมาะกับคุณภาพเสียง อินพุตคือบทที่เตรียมไว้ และเอาต์พุตคือเสียงพูด ตัวเลือก HD ต่างจาก TTS-1 ที่เน้นความเร็ว โดย OpenAI อธิบายว่า TTS-1 มีความหน่วงต่ำกว่าแต่คุณภาพต่ำกว่าด้วย HD จึงเป็นตัวเลือกบรรยายที่มีประโยชน์เมื่อเสียงสุดท้ายสำคัญกว่าการเริ่มเล่นให้เร็วที่สุด บทความเขียน ย่อหน้าบทเรียน หรือคำอธิบายที่ขัดเกลาแล้วสามารถเป็นสื่อเสียงได้

อินพุตหลักคือโมเดลที่เลือก ข้อความที่ตรงตามต้องการ และเสียง คู่มืออ้างอิงการสร้างเสียงของผู้ผลิตจำกัดบทไว้ที่ 4,096 อักขระต่อคำขอ นี่คือความยาวอินพุตเขียน ไม่ใช่การรับประกันระยะเวลาเสียง เตรียมบทที่ฟังเข้าใจได้ ขยายคำย่อกำกวม กำหนดวิธีอ่านจำนวน และรักษาแต่ละย่อหน้าให้ต่อเนื่อง สำหรับบทเรียนหรือบทความยาว ให้แบ่งข้อความตามขอบเขตที่มีความหมายและรักษาลำดับการใช้ย่อหน้าผลลัพธ์

คู่มือ OpenAI ปัจจุบันระบุตัวเลือกในตัวเก้าเสียงสำหรับ TTS-1 HD คือ alloy, ash, coral, echo, fable, onyx, nova, sage และ shimmer เสียงปรับให้เหมาะกับภาษาอังกฤษ ขณะที่คู่มือแปลงข้อความเป็นเสียงรองรับการสร้างหลายภาษาโดยป้อนข้อความในภาษาที่ต้องการ การเปรียบเทียบเสียงมีประโยชน์ที่สุดเมื่อใช้บทตัวอย่างเดียวกัน รวมชื่อและศัพท์เฉพาะที่จะมีในเนื้อหาสุดท้าย รักษาเสียงกับความเร็วให้สม่ำเสมอเมื่อหลายคลิปประกอบเป็นการบรรยายเดียว

MP3 เป็นเอาต์พุตเริ่มต้น Opus และ AAC เป็นตัวเลือกรูปแบบเสียงบีบอัดอื่น FLAC ให้การบีบอัดไม่สูญเสียข้อมูล ส่วน WAV ให้เสียงไม่บีบอัด PCM ส่งตัวอย่างเสียงดิบ 24 kHz, 16 บิตแบบมีเครื่องหมายและเรียงไบต์ little-endian โดยไม่มีส่วนหัวไฟล์ ตัวเลือกเหล่านี้ใช้ต่างกัน เช่น ไฟล์แจกจ่ายขนาดเล็ก สื่อสำหรับสตรีม หรือเสียงที่จะส่งเข้าเวิร์กโฟลว์แก้ไข OpenAI แนะนำ WAV หรือ PCM เพื่อให้ตอบสนองเร็วขึ้นเมื่อภาระการถอดรหัสมีความสำคัญ การเลือกรูปแบบไฟล์ไม่ได้เปลี่ยนบทหรือเพิ่มโมเดลควบคุมเสียงอีกตัว

ส่งเสียงเป็นชังก์ได้ ทำให้เครื่องเล่นเริ่มก่อนที่ไฟล์เสียงทั้งหมดพร้อม นี่คือสตรีมมิงข้อความเป็นเสียง ไม่ได้สร้างบทสนทนาเสียงสองทาง เอกสารอ้างอิงรองรับค่าความเร็ว 0.25 ถึง 4.0 โดย 1.0 เป็นค่าเริ่มต้น ฟิลด์ instructions ภาษาธรรมชาติที่แยกต่างหากใช้ไม่ได้กับ TTS-1 HD และโมเดลนี้ไม่รองรับเอาต์พุตเหตุการณ์ SSE ตัวควบคุมตามเอกสารคือบท เสียงสำเร็จรูป ความเร็ว และรูปแบบเอาต์พุต ไม่ใช่อินเทอร์เฟซพรอมป์ต์กำหนดสำเนียงหรืออารมณ์ของโมเดลเสียงรุ่นใหม่

คู่มือภาษามีรัสเซีย ยูเครน อังกฤษ ฝรั่งเศส เยอรมัน สเปน โปรตุเกส อิตาลี จีน ญี่ปุ่น เกาหลี อาหรับ ฮินดี และคาซัคในภาษาที่รองรับ เตรียมบทในภาษาเป้าหมาย การสังเคราะห์ถ่ายทอดข้อความนั้น ไม่ได้แปล สำหรับเนื้อหาการเรียน ให้คำนิยามและจุดเปลี่ยนส่วนชัดเจน สำหรับช่วงเสียงอธิบาย ให้เตรียมข้อความตรงตามต้องการและชื่อที่ต้องให้ได้ยิน การปรับเสียงให้เหมาะกับอังกฤษยังเกี่ยวข้องเมื่อประเมินว่าภาษาและคำศัพท์เฉพาะฟังเป็นอย่างไร

เวิร์กโฟลว์ HD ที่ใช้ได้จริงสร้างย่อหน้าเสียงเพื่อฟัง ตรวจ แล้วใส่ในเนื้อหาที่เสร็จแล้ว ตรวจว่าทุกประโยคถูกอ่าน ชื่อกับจำนวนออกเสียงยอมรับได้ และจังหวะที่เลือกช่วยให้เข้าใจ เก็บบทเขียนคู่กับเสียงเพื่อให้ย้อนการแก้ไขไปยังย่อหน้าที่เกี่ยวข้องได้ OpenAI กำหนดให้เปิดเผยชัดเจนว่าเสียงที่สร้างเป็นเสียงสังเคราะห์ HD อธิบายตระกูล TTS ที่เน้นคุณภาพ ไม่ได้ให้คำรับรองด้วยตัวเองเรื่องเวลาที่แน่นอน ตัวตนผู้พูดกำหนดเอง หรือการควบคุมอารมณ์ของโมเดลอื่น

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

openai/tts-1-hd

อื่น ๆ /openai/tts-1-hd

เริ่มต้น

อินพุตที่รองรับ: ข้อความ
ผลลัพธ์: เสียง

ใช้งานได้ใน Ailoot · อินพุตและเมธอด

Ailoot Ultra · การสังเคราะห์เสียงพูด POST /v1/audio/speech

ขาเข้า: text
ขาออก: audio
รูปแบบเอาต์พุต: mp3

ฟิลด์	ประเภท	ข้อกำหนด	ค่าและข้อจำกัด	ค่าเริ่มต้น
ฟิลด์`model`	ประเภท`string`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด openai/tts-1-hd	ค่าเริ่มต้น—
ฟิลด์`input`	ประเภท`string`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด ความยาวขั้นต่ำ: 1 ความยาวสูงสุด: 4,096 หน่วย: อักขระ Unicode	ค่าเริ่มต้น—
ฟิลด์`voice`	ประเภท`string`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด alloy	ค่าเริ่มต้น—

ชุดผสมของสื่ออินพุต

text_to_speech · จำเป็น: input

พารามิเตอร์และวงจรการทำงานของเมธอด

พารามิเตอร์	ข้อกำหนด
พารามิเตอร์`content_type`	ข้อกำหนดapplication/json
พารามิเตอร์`required`	ข้อกำหนดmodel, input, voice
พารามิเตอร์`voice_ids`	ข้อกำหนดalloy
พารามิเตอร์`max_input_characters`	ข้อกำหนด4096
พารามิเตอร์`other_options`	ข้อกำหนดfalse
พารามิเตอร์`input`	ข้อกำหนดข้อความ UTF-8 ที่ตรงตามต้นฉบับ นับอักขระ Unicode โดยไม่ปรับรูปแบบมาตรฐาน
พารามิเตอร์`material_types`	ข้อกำหนดtext

วงจรการทำงาน: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · ค่า task_id ที่ส่งกลับมาจริง หรือระเบียนในคลังสื่อ

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

เลือกเสียงที่ตรงตามโปรไฟล์ของโมเดลนี้

อักขระขาเข้าและวินาทีเสียงเป็นหน่วยวัดคนละแบบ

ราคา

ข้อมูลอัตราราคาไม่ได้เพิ่มตัวเลือกคำขอ พารามิเตอร์ที่รองรับระบุไว้สำหรับเมธอดที่เลือก

โหมดรวดเร็ว: ไม่ได้ระบุ เมื่อเลือกโหมดรวดเร็ว
โหมดยืดหยุ่น: ไม่ได้ระบุ เมื่อเลือกโหมด flex
ระดับการใช้เหตุผลสูงสุด: ไม่ได้ระบุ เมื่อใช้การปรับตามค่าเริ่มต้น (default) สำหรับระดับการใช้เหตุผลสูงสุด

อัตราค่าบริการ Ailoot

ราคาตามการตั้งค่า

เทียบค่าบริการแต่ละรายการกับเงื่อนไขที่แสดง เลือกใช้อัตราเดียวสำหรับแต่ละชุดการตั้งค่าที่เป็นตัวเลือกทดแทนกัน

การตั้งค่า	ตารางอัตราค่าบริการ	ปริมาณที่ใช้คิดค่าบริการ	ปริมาณที่คิดค่าบริการ	หน่วยคิดค่าบริการ	ค่าบริการ
การตั้งค่าอัตราค่าบริการโทเคนพื้นฐาน	ตารางอัตราค่าบริการอัตราพื้นฐาน	ปริมาณที่ใช้คิดค่าบริการ—	ปริมาณที่คิดค่าบริการ—	หน่วยคิดค่าบริการ—	ค่าบริการ ขาเข้า · โทเค็นอินพุต — / 1K โทเค็น ขาออก · โทเค็นเอาต์พุต — / 1K โทเค็น ขาเข้า · การอ่านแคช — / 1K โทเค็น ขาเข้า · การเขียนแคช — / 1K โทเค็น ขาเข้า · การเขียนแคช, 1 ชั่วโมง — / 1K โทเค็น
การตั้งค่าUltra	ตารางอัตราค่าบริการ—	ปริมาณที่ใช้คิดค่าบริการนับแต่ละโค้ดพอยต์ Unicode เป็นหนึ่งอักขระ รวมถึงอักษรฮั่น	ปริมาณที่คิดค่าบริการ—	หน่วยคิดค่าบริการต่ออักขระอินพุต 1K ตัว	ค่าบริการ ขาเข้า · อักขระขาเข้า $0.06 ต่ออักขระอินพุต 1K ตัว
การตั้งค่าต่อคำขอ	ตารางอัตราค่าบริการ—	ปริมาณที่ใช้คิดค่าบริการ—	ปริมาณที่คิดค่าบริการหนึ่งคำขอ	หน่วยคิดค่าบริการ—	ค่าบริการ ขาเข้า $0 ต่อคำขอ

Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →

ตัวอย่างคำขอ

Ailoot Ultra · การสังเคราะห์เสียงพูด

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

รับและบันทึกผลลัพธ์

Ailoot Ultra · การสังเคราะห์เสียงพูด

mp3

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

การอ่านเนื้อหาแบบอื่น

คลังสื่อสถานะงานรายละเอียดไฟล์สื่อ

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

เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด

เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน

เก็บผลลัพธ์ไบนารีและส่วนหัวให้ครบถ้วน หากได้รับ JSON/ผลลัพธ์หลายรายการ ให้เก็บข้อมูลทุกรายการและดึงไฟล์สื่อจาก URL แบบลงนามทุกรายการที่ได้รับจริง

เมื่อต้องตรวจสอบการตอบกลับต้นฉบับ

เก็บ operation_id/X-Client-Request-ID เดิมไว้เพื่อกระทบยอดโดยไม่ส่งคำขอซ้ำ ไม่มีเส้นทางเฉพาะสำหรับตรวจสอบสถานะงานเสียงเป็นระยะ

ฟิลด์การตอบกลับ

ฟิลด์	ประเภท
ฟิลด์`binary audio`	ประเภทbytes
ฟิลด์`response headers`	ประเภทheaders

ข้อผิดพลาดและขั้นตอนถัดไป

การตอบกลับ	เงื่อนไข	ขั้นตอนถัดไป
การตอบกลับ400 · `invalid_request_error`	เงื่อนไขฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง	ขั้นตอนถัดไปแก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่
การตอบกลับ`server_error`	เงื่อนไขการตอบกลับที่ได้รับระบุว่าต้องตรวจสอบการดำเนินการหรือผลลัพธ์	ขั้นตอนถัดไปเก็บ ID การดำเนินการ/งานที่ส่งกลับมาแต่เดิม ส่วนหัวของคำขอ และการตอบกลับไว้ แล้วอ่านข้อมูลการดำเนินการเดิมนั้นต่อด้วยวิธีที่รองรับ ห้ามส่งคำขอสร้างซ้ำ

ชื่ออื่น

ชื่ออื่นของโมเดล

Ailoot Ultra openai/tts-1-hd

ชื่อพาธเมธอดอื่น

ใช้พาธเมธอดที่แสดงด้านบน

ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล

openai/tts-1-hd

FAQ · tts-1-hd

มีอินพุตและผลลัพธ์ใดบ้าง?: POST /v1/audio/speech · openai/tts-1-hd: text → audio
คำขอใช้ฟิลด์ใดบ้าง?: POST /v1/audio/speech · openai/tts-1-hd: model, input, voice
มีข้อจำกัดใดบ้าง?: POST /v1/audio/speech · openai/tts-1-hd: input.maximum_length: 4096

tts-1-hd

tts-1-hd

เริ่มต้น

ใช้งานได้ใน Ailoot · อินพุตและเมธอด

ราคา

อัตราค่าบริการ Ailoot

ราคาตามการตั้งค่า

ตัวอย่างคำขอ

Ailoot Ultra · การสังเคราะห์เสียงพูด

รับและบันทึกผลลัพธ์

Ailoot Ultra · การสังเคราะห์เสียงพูด

เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด

เมื่อต้องตรวจสอบการตอบกลับต้นฉบับ

ชื่ออื่น

ชื่ออื่นของโมเดล

ชื่อพาธเมธอดอื่น

ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล

บริษัทและพอร์ตโฟลิโอโครงการของบริษัท

ซื้อโทเคนพร้อมส่วนลด

เชื่อม API กับผลิตภัณฑ์ ที่คุณขาย