tts-1-1106 の技術仕様
| Attribute | Details |
|---|---|
| Model ID | tts-1-1106 |
| Provider family | OpenAI のテキスト読み上げ（TTS）モデルファミリー |
| Primary capability | テキスト入力を自然な発話音声に変換 |
| Typical endpoint | /v1/audio/speech |
| Optimization focus | 低遅延でリアルタイム志向の音声生成 |
| Input modality | テキスト |
| Output modality | 音声 |
| Supported output formats | mp3, opus, aac, flac, wav, pcm |
| Voice support | OpenAI の組み込み TTS 音声に対応。tts-1 / tts-1-hd ファミリーは、alloy、ash、coral、echo、fable、nova、onyx、sage、shimmer を含む、より限定的なサブセットをサポート |
| Max input length | 1 リクエストあたり 4096 文字 |
| Pricing reference | OpenAI は TTS カテゴリの音声生成の料金を、100 万文字あたり $15.00 と掲載 |
| Compliance note | エンドユーザーには、聞こえる音声が AI によって生成されたものであることを明確に伝える必要がある |
tts-1-1106 とは？
tts-1-1106 は、tts-1 ファミリーに属する OpenAI のテキスト読み上げモデルに対する CometAPI のプラットフォーム識別子で、文章を音声へ変換するように設計されています。OpenAI は tts-1 を速度とリアルタイム用途に最適化されたモデルとして文書化しており、オフラインでの最大レンダリング品質の追求よりも高速な音声生成が求められる対話型アプリケーションに適しています。
実際には、このモデルクラスは、ナレーション、音声アシスタント、アクセシビリティ機能、会話型インターフェース、自動音声再生などのシナリオで使用されます。開発者は Audio API の音声生成ワークフローを通じて利用し、テキストを提供して対応する音声を選択し、選択した出力フォーマットで音声を受け取ります。
厳密な -1106 サフィックスは、公開されている OpenAI のモデル別名ではなくプラットフォーム側の識別子であると見受けられるため、最も安全な解釈は、tts-1-1106 が OpenAI の tts-1 生成ファミリーの挙動と統合パターンに対応しているというものです。つまり、開発者は、応答性の高い合成に焦点を当てた高速な TTS モデル、標準的な音声エンドポイントの利用、および組み込み音声の選択を想定すべきです。
tts-1-1106 の主な機能
- リアルタイム志向の音声生成: 基盤となる
tts-1ファミリーは速度に最適化されており、ライブアプリケーション、アシスタント、その他のレイテンシに敏感な音声体験に適しています。 - 自然なテキストから音声への変換: プレイバック、ナレーション、音声対応プロダクト機能に向けて、自然な発話出力を生成します。
- 複数の出力フォーマット: 開発者は
mp3、opus、aac、flac、wav、生のpcmで音声を要求でき、一般的な再生と低遅延のシステム統合の双方をサポートします。 - 組み込みの音声オプション: プリセット音声を備えており、カスタム話者モデルを学習しなくても、製品トーンに合った話し方を選択できます。
- シンプルな API 統合: 標準的な音声エンドポイントで動作するよう設計されており、OpenAI 互換の音声 API を既に使用しているチームにとって実装の複雑さを低減します。
- 多言語対応: OpenAI によれば、TTS スタックは一般に Whisper の言語対応に追随しており、音声は主に英語向けに最適化されているものの、多くの言語で音声生成が可能です。
- ストリーミングに適した利用: OpenAI の音声 API はストリーミング配信をサポートしており、実装次第でファイル全体の生成完了前に再生を開始できます。
- 本番アプリに実用的: レート制限のドキュメント化、標準化されたエンドポイント挙動、AI 音声の開示に関する利用ポリシーのガイダンスがあり、実アプリへの導入に適しています。
tts-1-1106 へのアクセスと統合方法
ステップ 1: API キーを取得する
CometAPI にサインアップし、ダッシュボードから API キーを生成します。キーは安全に保管し、アプリケーションで環境変数として設定して、バックエンドが tts-1-1106 API へのリクエストを認証できるようにします。
ステップ 2: tts-1-1106 API にリクエストを送信する
CometAPI を通じて OpenAI 互換の音声エンドポイントへ POST リクエストを送信し、model を tts-1-1106 に設定して、入力テキストに加え voice や response_format などのサポートされるオプションを含めます。
curl --request POST \
--url https://api.cometapi.com/v1/audio/speech \
--header "Authorization: Bearer $COMETAPI_API_KEY" \
--header "Content-Type: application/json" \
--data '{
"model": "tts-1-1106",
"input": "Welcome to CometAPI text to speech.",
"voice": "alloy",
"response_format": "mp3"
}' \
--output speech.mp3
ステップ 3: 結果の取得と検証
返却された音声ファイルを保存するか、アプリケーション内でレスポンスを直接ストリームし、tts-1-1106 に対して想定した出力と一致するよう、音声内容、選択した音声、フォーマット、再生品質を検証します。