tts-1-hd

tts-1-hd の技術仕様

tts-1-hd とは？

tts-1-hd は OpenAI の高品質なテキスト読み上げモデルで、テキストから自然な音声を生成します。レイテンシの最小化よりも出力品質が重視されるユースケース（ナレーション、音声アシスタント、アクセシビリティ機能、教育コンテンツ、メディア制作など）向けに設計されています。OpenAI は tts-1-hd を高品質なテキスト読み上げに最適化されたモデルとして文書化しており、Audio API の Speech エンドポイントを通じて使用するとしています。

より軽量または高速な TTS オプションと比べて、tts-1-hd は OpenAI の音声スタックにおける品質重視の選択肢として位置づけられています。開発者は通常、入力テキストを送信し、ボイスを選択し、必要に応じて速度や出力形式を設定して、再生や保存に適したオーディオファイルまたはストリーミング可能な音声レスポンスを受け取ります。

tts-1-hd の主な特長

• 高品質な音声合成: tts-1-hd は高品質な音声生成に特化して最適化されており、応答時間の短さよりも明瞭さや自然さを重視する場合に適しています。
• シンプルなテキスト→音声ワークフロー: 本モデルはテキスト入力を受け取り、OpenAI の Audio API を通じて合成音声を返します。これにより、ナレーションや音声出力機能を構築する開発者にとって実装をシンプルに保てます。
• プリセットボイス対応: 音声生成時にサポートされている組み込みボイスから選択でき、カスタム音声モデルを学習させなくても異なるトーンや表現スタイルを実現できます。
• 出力動作のカスタマイズ: レスポンス形式や読み上げ速度などの実用的なコントロールに対応しており、再生、ダウンロード、アクセシビリティツール、コンテンツパイプライン向けに生成音声を調整できます。
• 本番利用に適合: 標準の Speech エンドポイントを通じて提供されているため、tts-1-hd はアプリ、バックエンドのワークフロー、自動化システム、多段階の音声パイプラインへと予測可能な API ベースのアクセスで統合できます。

tts-1-hd へのアクセスと統合方法

ステップ 1: API キーの登録

tts-1-hd を使い始めるには、まず CometAPI に登録し、ダッシュボードから API キーを生成します。ログイン後、プロジェクト用のキーを作成し、すべての API リクエストの認証に必要となるため安全に保管してください。

ステップ 2: tts-1-hd API にリクエストを送信

API キーを取得したら、CometAPI の互換 chat completions エンドポイントに POST リクエストを送り、リクエストボディでモデルに tts-1-hd を指定します。

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")

ステップ 3: 結果の取得と検証

リクエストを送信すると、CometAPI から tts-1-hd の生成音声結果が返されます。出力ファイルを保存し、再生して、音質、ボイス選択、ペース、発音がアプリケーション要件に合致しているか確認してください。必要に応じて、入力テキスト、ボイス、その他のサポートされるパラメータを調整して反復します。