tts-1

Tekniske spesifikasjoner for tts-1

Hva er tts-1?

tts-1 er OpenAIs tekst-til-tale-modell utformet for å gjøre skrevet tekst om til naturlig klingende talt lyd. Den er posisjonert som det raskere, lav-latens-alternativet blant OpenAIs klassiske TTS-modeller, noe som gjør den egnet for applikasjoner som trenger rask talesyntese fremfor høyest mulig kvalitet.

Utviklere bruker vanligvis tts-1 via Audio API sitt talegenereringsendepunkt når de ønsker å konvertere applikasjonstekst, prosjektbeskrivelser, varsler, fortellinger eller assistentsvar til avspillbare lydfiler. OpenAIs dokumentasjon beskriver den som optimalisert for sanntids tekst-til-tale-brukstilfeller.

I praksis passer tts-1 godt for lette stemmeopplevelser, raske responssystemer, interaktive prototyper og produkter der responsivitet er viktigere enn premium stemmekvalitet. Dersom maksimal kvalitet er prioritert, peker OpenAI brukere mot tts-1-hd, mens nyere uttrykksfulle bruksområder kan benytte nyere TTS-modeller i stedet.

Hovedfunksjoner i tts-1

• Talegenerering med lav latens: tts-1 er spesifikt optimalisert for hastighet, noe som gjør den nyttig for apper som trenger talte utdata raskt.
• Naturlig klingende tekst-til-tale: Modellen konverterer vanlig tekst til talt lyd som passer for fortelling, assistentsvar og stemmegrensesnitt.
• Flere innebygde stemmer: tts-1 støtter et sett innebygde stemmer, inkludert alloy, ash, coral, echo, fable, onyx, nova, sage og shimmer.
• Fleksible lydutdataformater: Utviklere kan be om generert lyd i vanlige formater som MP3, WAV, FLAC, AAC, Opus og PCM, avhengig av avspilling eller prosesseringsbehov.
• Justerbar avspillingshastighet: API-et tillater hastighetskontroll fra 0,25x til 4,0x, slik at man kan bruke langsommere fortelling eller raskere avspilling der det passer.
• Enkel API-basert integrasjon: tts-1 er tilgjengelig via det standardiserte talegenererings-API-et, noe som gjør det rett fram å integrere i web, mobil eller backend-arbeidsflyter.
• God for sanntidsorienterte applikasjoner: OpenAI omtaler eksplisitt tts-1 som en modell for sanntids tekst-til-tale-scenarier, noe som gjør den praktisk for assistenter, varsler og raske interaktive systemer.
• Modellvalg med vekt på avveining: Sammenlignet med tts-1-hd prioriterer denne modellen raskere generering over høyere lydfidelitet, slik at utviklere får et tydelig alternativ mellom latens og kvalitet.

Slik får du tilgang til og integrerer tts-1

Trinn 1: Registrer deg for en API-nøkkel

For å få tilgang til tts-1-API-et, registrer deg først på CometAPI og generer API-nøkkelen din fra dashbordet. Etter innlogging oppretter du en ny nøkkel, kopierer den sikkert og lagrer den i applikasjonens miljøvariabler. Du bruker denne nøkkelen til å autentisere alle forespørsler til tts-1-API-et.

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

Når du har API-nøkkelen, sender du en POST-forespørsel til CometAPI-endepunktet for tts-1 med inndataene dine. Inkluder API-nøkkelen i Authorization-headeren og spesifiser tts-1 som modell. En typisk forespørsel inkluderer inndatateksten samt TTS-parametere 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

Trinn 3: Hent og verifiser resultater

Etter at du har sendt forespørselen, returnerer tts-1-API-et generert lydinnhold hvis kallet lykkes. Lagre den returnerte filen eller strømmen, verifiser at lyden spilles av riktig, og bekreft at valgt stemme, hastighet og format samsvarer med applikasjonskravene dine. Om nødvendig kan du prøve på nytt med justerte parametere for å forbedre sluttresultatet.