tts-1-hd

Specyfikacja techniczna tts-1-hd

Czym jest tts-1-hd?

tts-1-hd to wyższej jakości model text-to-speech firmy OpenAI, służący do generowania naturalnie brzmiącej mowy z tekstu. Zaprojektowano go z myślą o przypadkach użycia, w których jakość wyjścia jest ważniejsza niż minimalizacja opóźnień, takich jak narracje, asystenci głosowi, funkcje dostępności, treści edukacyjne i produkcja medialna. OpenAI opisuje tts-1-hd jako model zoptymalizowany pod kątem wysokiej jakości TTS i wskazuje, że jest używany poprzez punkt końcowy Speech w Audio API.

W porównaniu z lżejszymi lub szybszymi opcjami TTS, tts-1-hd jest zwykle pozycjonowany jako wybór skoncentrowany na jakości w stosie rozwiązań mowy OpenAI. Deweloperzy zazwyczaj przesyłają tekst wejściowy, wybierają głos, opcjonalnie konfigurują prędkość lub format wyjściowy i otrzymują plik audio lub strumieniową odpowiedź audio, nadającą się do odtwarzania lub przechowywania.

Najważniejsze funkcje tts-1-hd

• Wysokiej jakości synteza mowy: tts-1-hd jest specjalnie zoptymalizowany do generowania dźwięku o wyższej jakości, dzięki czemu sprawdza się, gdy klarowność i naturalność są ważniejsze niż najszybszy czas odpowiedzi.
• Prosty przepływ pracy tekst‑do‑audio: Model przyjmuje wejściowy tekst i zwraca zsyntezowaną mowę przez Audio API, co upraszcza implementację funkcji narracji lub wyjścia głosowego.
• Obsługa predefiniowanych głosów: Deweloperzy mogą wybierać spośród wbudowanych głosów, uzyskując różne tonacje i style prezentacji bez trenowania własnego modelu głosu.
• Konfigurowalne zachowanie wyjścia: API obsługuje praktyczne ustawienia, takie jak format odpowiedzi i prędkość mowy, co pomaga dopasować generowany dźwięk do odtwarzania, pobierania, narzędzi dostępności lub potoków treści.
• Odpowiedni do zastosowań produkcyjnych audio: Ponieważ jest udostępniany przez standardowy punkt końcowy Speech, można go integrować z aplikacjami, zapleczem, systemami automatyzacji i wieloetapowymi potokami głosowymi z przewidywalnym dostępem opartym na API.

Jak uzyskać dostęp i zintegrować tts-1-hd

Krok 1: Zarejestruj się, aby uzyskać klucz API

Aby zacząć korzystać z tts-1-hd, najpierw zarejestruj się w CometAPI i wygeneruj klucz API w panelu. Po zalogowaniu utwórz klucz dla swojego projektu i przechowuj go bezpiecznie, ponieważ będzie wymagany do uwierzytelniania każdego żądania API.

Krok 2: Wyślij żądania do interfejsu API tts-1-hd

Gdy masz już klucz API, wyślij żądanie POST do kompatybilnego z Chat Completions punktu końcowego CometAPI, określając w treści żądania model tts-1-hd.

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")

Krok 3: Pobierz i zweryfikuj wyniki

Po przesłaniu żądania CometAPI zwróci wygenerowany wynik audio dla tts-1-hd. Zapisz plik wyjściowy, odtwórz go i sprawdź, czy jakość mowy, wybór głosu, tempo i wymowa odpowiadają wymaganiom Twojej aplikacji. W razie potrzeby iteruj, dostosowując tekst wejściowy, głos lub inne obsługiwane parametry.