tts-1-hd

Tekniske specifikationer for tts-1-hd

Hvad er tts-1-hd?

tts-1-hd er OpenAIs tekst-til-tale-model med højere kvalitet til at generere naturligt lydende tale ud fra tekst. Den er designet til brugsscenarier, hvor outputkvalitet vægter højere end minimal latenstid, såsom oplæsning, stemmeassistenter, tilgængelighedsfunktioner, undervisningsindhold og medieproduktion. OpenAI beskriver tts-1-hd som en model optimeret til tekst-til-tale i høj kvalitet og angiver, at den anvendes via Speech-endepunktet i Audio API.

Sammenlignet med lettere eller hurtigere TTS-muligheder er tts-1-hd generelt positioneret som det kvalitetsfokuserede valg i OpenAIs talestak. Udviklere sender typisk inputtekst, vælger en stemme, konfigurerer eventuelt hastighed eller outputformat og modtager en lydfil eller et streambart lydsvar egnet til afspilning eller lagring.

Hovedfunktioner i tts-1-hd

• Højkvalitets talesyntese: tts-1-hd er specifikt optimeret til lydgenerering i højere kvalitet, hvilket gør den velegnet, når klarhed og naturlighed er vigtigere end hurtigst mulig svartid.
• Simpel tekst-til-lyd-arbejdsgang: Modellen accepterer tekstinput og returnerer syntetiseret tale via OpenAIs Audio API, hvilket gør implementeringen enkel for udviklere, der bygger oplæsnings- eller stemmeoutputfunktioner.
• Understøttelse af forudindstillede stemmer: Udviklere kan vælge blandt indbyggede stemmer ved generering af tale, hvilket muliggør forskellige tonelejer eller præsentationsstile uden at skulle træne en brugerdefineret stemmemodel.
• Konfigurerbar outputadfærd: API’en understøtter praktiske indstillinger såsom svarformat og talehastighed, så teams kan tilpasse genereret lyd til afspilning, download, tilgængelighedsværktøjer eller indholds-pipelines.
• Egner sig til produktionsbrug af lyd: Da den eksponeres via det standardiserede Speech-endepunkt, kan tts-1-hd integreres i apps, backend-arbejdsgange, automatiseringssystemer og flertrins stemmepipelines med forudsigelig API-baseret adgang.

Sådan får du adgang til og integrerer tts-1-hd

Trin 1: Tilmeld dig for at få en API-nøgle

For at begynde at bruge tts-1-hd skal du først registrere dig på CometAPI og generere din API-nøgle fra dashboardet. Når du er logget ind, skal du oprette en nøgle til dit projekt og opbevare den sikkert, da den kræves for at godkende hver API-anmodning.

Trin 2: Send anmodninger til tts-1-hd-API'et

Når du har din API-nøgle, skal du sende en POST-anmodning til CometAPIs kompatible chat-completions-endepunkt og angive modellen som tts-1-hd i anmodningskroppen.

curl https://api.cometapi.com/v1/audio/speech \
  -X POST \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_API_KEY" \
  -d '{
    "model": "tts-1-hd",
    "input": "Hello! This is a sample speech generation request.",
    "voice": "alloy"
  }' \
  --output speech.mp3

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_COMETAPI_API_KEY",
    base_url="https://api.cometapi.com/v1"
)

response = client.audio.speech.create(
    model="tts-1-hd",
    voice="alloy",
    input="Hello! This is a sample speech generation request."
)

response.stream_to_file("speech.mp3")

Trin 3: Hent og verificer resultater

Efter at have indsendt din anmodning returnerer CometAPI det genererede lydresultat for tts-1-hd. Gem outputfilen, afspil den, og verificer, at talekvalitet, stemmevalg, tempo og udtale matcher dine applikationskrav. Om nødvendigt kan du iterere ved at justere inputteksten, stemmen eller andre understøttede parametre.