tts-1-hd

Tekniske spesifikasjoner for tts-1-hd

Hva er tts-1-hd?

tts-1-hd er OpenAIs tekst-til-tale-modell med høyere kvalitet for å generere naturlig klingende tale fra tekst. Den er laget for brukstilfeller der utgangskvalitet er viktigere enn å minimere latens, som for eksempel fortelling, stemmeassistenter, tilgjengelighetsfunksjoner, læringsinnhold og medieproduksjon. OpenAI dokumenterer tts-1-hd som en modell optimalisert for høykvalitets tekst-til-tale, og angir at den brukes via Speech-endepunktet i Audio API.

Sammenlignet med lettere eller raskere TTS-alternativer er tts-1-hd generelt posisjonert som kvalitetsfokuset i OpenAIs taleportefølje. Utviklere sender typisk inn tekst, velger en stemme, kan eventuelt konfigurere hastighet eller utdataformat, og mottar en lydfil eller en strømmbar lydrespons som egner seg for avspilling eller lagring.

Hovedfunksjoner i tts-1-hd

• Talesyntese av høy kvalitet: tts-1-hd er spesifikt optimalisert for generering av lyd med høyere kvalitet, og passer når klarhet og naturlighet er viktigere enn raskest mulig responstid.
• Enkel tekst-til-lyd-arbeidsflyt: Modellen tar imot tekst og returnerer syntetisert tale via OpenAIs Audio API, noe som gjør implementeringen enkel for utviklere som bygger forteller- eller stemmeutdatafunksjoner.
• Støtte for forhåndsdefinerte stemmer: Utviklere kan velge blant innebygde stemmer ved generering av tale, og dermed få ulike toneleier eller presentasjonsstiler uten å trene en tilpasset stemmemodell.
• Konfigurerbar utdataoppførsel: API-et støtter praktiske kontroller som responsformat og taletempo, slik at team kan tilpasse generert lyd for avspilling, nedlasting, tilgjengelighetsverktøy eller innholdsprosesser.
• Passer for produksjonsklare lydbrukstilfeller: Siden den er eksponert via standard Speech-endepunktet, kan den integreres i apper, backend-arbeidsflyter, automasjonssystemer og flertrinns talepipelines med forutsigbar API-basert tilgang.

Slik får du tilgang til og integrerer tts-1-hd

Trinn 1: Registrer deg for API-nøkkel

For å begynne å bruke tts-1-hd, registrer deg først på CometAPI og generer API-nøkkelen din fra dashbordet. Etter innlogging oppretter du en nøkkel for prosjektet ditt og lagrer den sikkert, siden den kreves for å autentisere hver API-forespørsel.

Trinn 2: Send forespørsler til tts-1-hd-API-et

Når du har API-nøkkelen, send en POST-forespørsel til CometAPIs kompatible chat completions-endepunkt og angi modellen som tts-1-hd i forespørselskroppen.

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": "Hei! Dette er en eksempelforespørsel for talegenerering.",
    "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="Hei! Dette er en eksempelforespørsel for talegenerering."
)

response.stream_to_file("speech.mp3")

Trinn 3: Hent og verifiser resultater

Etter at du har sendt forespørselen, returnerer CometAPI det genererte lydresultatet for tts-1-hd. Lagre utdatafilen, spill den av og verifiser at talekvaliteten, stemmevalget, tempoet og uttalen samsvarer med kravene til applikasjonen din. Ved behov kan du iterere ved å justere inndateksten, stemmen eller andre støttede parametere.