tts-1

Tekniske specifikationer for tts-1

Hvad er tts-1?

tts-1 er OpenAIs tekst-til-tale-model, der er designet til at omdanne skrevet tekst til naturligt klingende talt lyd. Den er positioneret som den hurtigere løsning med lavere latenstid blandt OpenAIs klassiske TTS-modeller, hvilket gør den velegnet til applikationer, der har brug for hurtig talesyntese frem for højest mulig lydfidelitet.

Udviklere bruger typisk tts-1 via Audio API’ens talegenererings-endpoint, når de vil konvertere applikationstekst, prompts, notifikationer, fortællinger eller assistentsvar til afspillelige lydfiler. OpenAIs dokumentation beskriver den som optimeret til tekst-til-tale-brugsscenarier i realtid.

I praksis passer tts-1 godt til letvægts stemmeoplevelser, hurtige responssystemer, interaktive prototyper og produkter, hvor reaktivitet er vigtigere end premium lydkvalitet. Hvis maksimal kvalitet er prioriteten, peger OpenAI brugere mod tts-1-hd, mens nyere, mere udtryksfulde anvendelser kan benytte nyere TTS-modeller i stedet.

Hovedfunktioner i tts-1

• Lav latenstid ved talegenerering: tts-1 er specifikt optimeret til hastighed, hvilket gør den nyttig for apps, der har brug for hurtigt talt output.
• Naturligt klingende tekst-til-tale: Modellen konverterer almindelig tekst til talt lyd, der er egnet til fortælling, assistentsvar og stemmegrænseflader.
• Flere indbyggede stemmer: tts-1 understøtter et sæt indbyggede stemmer, herunder alloy, ash, coral, echo, fable, onyx, nova, sage og shimmer.
• Fleksible lydoutputformater: Udviklere kan anmode om genereret lyd i almindelige formater såsom MP3, WAV, FLAC, AAC, Opus og PCM afhængigt af afspilning eller behandlingsbehov.
• Justerbar afspilningshastighed: API’en tillader hastighedskontrol fra 0.25x til 4.0x, hvilket muliggør langsommere oplæsning eller hurtigere afspilning efter behov.
• Enkel API-baseret integration: tts-1 er tilgængelig via den standardiserede talegenererings-API, hvilket gør den ligetil at integrere i web-, mobil- eller backend-workflows.
• God til realtidsorienterede applikationer: OpenAI fremhæver eksplicit tts-1 som en model til tekst-til-tale-scenarier i realtid, hvilket gør den praktisk til assistenter, notifikationer og hurtige interaktive systemer.
• Afvejingsfokuseret modelvalg: Sammenlignet med tts-1-hd prioriterer denne model hurtigere generering frem for højere fidelitet, hvilket giver udviklere et klart valg mellem latenstid og kvalitet.

Sådan får du adgang til og integrerer tts-1

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

For at få adgang til tts-1-API’en skal du først tilmelde dig på CometAPI og generere din API-nøgle fra dashboardet. Når du er logget ind, skal du oprette en ny nøgle, kopiere den sikkert og gemme den i din applikations miljøvariabler. Du bruger denne nøgle til at godkende alle anmodninger til tts-1-API’en.

Trin 2: Send anmodninger til tts-1-API’en

Når du har din API-nøgle, skal du sende en POST-anmodning til CometAPI-endpointet for tts-1 med din input-payload. Inkludér din API-nøgle i Authorization-headeren og angiv tts-1 som modellen. En typisk anmodning indeholder inputteksten plus TTS-parametre som stemme og responsformat.

curl https://api.cometapi.com/v1/audio/speech \
  -H "Authorization: Bearer $COMETAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "tts-1",
    "input": "Welcome to CometAPI text to speech.",
    "voice": "alloy",
    "response_format": "mp3"
  }' \
  --output speech.mp3

Trin 3: Hent og verificer resultater

Når du har indsendt din anmodning, returnerer tts-1-API’en genereret lydindhold, hvis kaldet lykkes. Gem den returnerede fil eller stream, verificer at lyden afspilles korrekt, og bekræft, at den valgte stemme, hastighed og format matcher dine applikationskrav. Hvis nødvendigt kan du prøve igen med justerede parametre for at forbedre det endelige output.