tts-1-hd

Especificaciones técnicas de tts-1-hd

¿Qué es tts-1-hd?

tts-1-hd es el modelo de texto a voz de mayor calidad de OpenAI para generar audio hablado con sonido natural a partir de texto. Está diseñado para casos de uso en los que la calidad de salida es más importante que minimizar la latencia, como narraciones, asistentes de voz, funciones de accesibilidad, contenido educativo y producción multimedia. OpenAI documenta tts-1-hd como un modelo optimizado para texto a voz de alta calidad e indica que se usa a través del endpoint Speech en la Audio API.

En comparación con opciones de TTS más ligeras o rápidas, tts-1-hd se posiciona generalmente como la opción enfocada en la calidad dentro de la pila de voz de OpenAI. Normalmente, los desarrolladores envían el texto de entrada, eligen una voz, opcionalmente configuran la velocidad o el formato de salida, y reciben un archivo de audio o una respuesta de audio en streaming adecuada para reproducción o almacenamiento.

Características principales de tts-1-hd

• Síntesis de voz de alta calidad: tts-1-hd está específicamente optimizado para generar audio de mayor calidad, lo que lo hace adecuado cuando la claridad y la naturalidad importan más que el tiempo de respuesta más rápido.
• Flujo de trabajo simple de texto a audio: El modelo acepta texto de entrada y devuelve voz sintetizada a través de la Audio API de OpenAI, lo que mantiene una implementación sencilla para desarrolladores que construyen funciones de narración o salida de voz.
• Compatibilidad con voces preestablecidas: Los desarrolladores pueden seleccionar entre las voces integradas compatibles al generar voz, lo que permite distintos tonos o estilos de presentación sin entrenar un modelo de voz personalizado.
• Comportamiento de salida configurable: La API admite controles prácticos como el formato de respuesta y la velocidad del habla, lo que ayuda a los equipos a adaptar el audio generado para reproducción, descargas, herramientas de accesibilidad o canalizaciones de contenido.
• Adecuado para casos de uso de audio en producción: Al estar expuesto a través del endpoint estándar de Speech, tts-1-hd puede integrarse en aplicaciones, flujos de trabajo de backend, sistemas de automatización y canalizaciones de voz por etapas con un acceso predecible basado en API.

Cómo acceder e integrar tts-1-hd

Paso 1: Regístrate para obtener una clave de API

Para empezar a usar tts-1-hd, primero regístrate en CometAPI y genera tu clave de API desde el panel. Después de iniciar sesión, crea una clave para tu proyecto y guárdala de forma segura, ya que se requerirá para autenticar cada solicitud a la API.

Paso 2: Envía solicitudes a la API de tts-1-hd

Una vez que tengas tu clave de API, envía una solicitud POST al endpoint compatible de chat completions de CometAPI, especificando el modelo como tts-1-hd en el cuerpo de la solicitud.

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")

Paso 3: Recupera y verifica los resultados

Tras enviar tu solicitud, CometAPI devolverá el resultado de audio generado para tts-1-hd. Guarda el archivo de salida, reprodúcelo y verifica que la calidad de la voz, la selección de voz, el ritmo y la pronunciación se ajusten a los requisitos de tu aplicación. Si es necesario, itera ajustando el texto de entrada, la voz u otros parámetros compatibles.