tts-1-hd

Especificações técnicas de tts-1-hd

O que é tts-1-hd?

tts-1-hd é o modelo de texto para fala de maior qualidade da OpenAI para gerar áudio falado com som natural a partir de texto. Ele é projetado para casos em que a qualidade de saída é mais importante do que minimizar a latência, como narração, assistentes de voz, recursos de acessibilidade, conteúdo educacional e produção de mídia. A OpenAI documenta o tts-1-hd como um modelo otimizado para texto para fala de alta qualidade e indica que ele é usado por meio do endpoint de fala na API de Áudio.

Em comparação com opções de TTS mais leves ou rápidas, o tts-1-hd é geralmente posicionado como a escolha focada em qualidade na pilha de fala da OpenAI. Normalmente, os desenvolvedores enviam o texto de entrada, escolhem uma voz, configuram opcionalmente a velocidade ou o formato de saída e recebem um arquivo de áudio ou uma resposta de áudio transmissível, adequada para reprodução ou armazenamento.

Principais recursos de tts-1-hd

• Síntese de fala de alta qualidade: o tts-1-hd é especificamente otimizado para gerar áudio de qualidade superior, tornando-o adequado quando clareza e naturalidade são mais importantes do que o tempo de resposta mais rápido.
• Fluxo simples de texto para áudio: o modelo aceita texto de entrada e retorna fala sintetizada por meio da API de Áudio da OpenAI, o que mantém a implementação simples para desenvolvedores que constroem recursos de narração ou saída de voz.
• Suporte a vozes predefinidas: os desenvolvedores podem selecionar entre vozes integradas compatíveis ao gerar fala, permitindo diferentes tons ou estilos de apresentação sem treinar um modelo de voz personalizado.
• Comportamento de saída configurável: a API oferece controles práticos, como formato de resposta e velocidade da fala, ajudando as equipes a ajustar o áudio gerado para reprodução, downloads, ferramentas de acessibilidade ou pipelines de conteúdo.
• Adequado para casos de uso de áudio em produção: por estar exposto por meio do endpoint de fala padrão, o tts-1-hd pode ser integrado a aplicativos, fluxos de trabalho de backend, sistemas de automação e pipelines de voz em múltiplas etapas com acesso previsível baseado em API.

Como acessar e integrar o tts-1-hd

Etapa 1: Cadastre-se para obter a chave de API

Para começar a usar o tts-1-hd, primeiro cadastre-se no CometAPI e gere sua chave de API no painel. Após fazer login, crie uma chave para o seu projeto e armazene-a com segurança, pois ela será exigida para autenticar todas as solicitações de API.

Etapa 2: Envie solicitações para a API do tts-1-hd

Depois de obter sua chave de API, envie uma solicitação POST ao endpoint compatível de chat completions do CometAPI, especificando o modelo como tts-1-hd no corpo da solicitação.

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")

Etapa 3: Recupere e verifique os resultados

Após enviar sua solicitação, o CometAPI retornará o áudio gerado para o tts-1-hd. Salve o arquivo de saída, reproduza-o e verifique se a qualidade da fala, a seleção de voz, o ritmo e a pronúncia atendem aos requisitos do seu aplicativo. Se necessário, itere ajustando o texto de entrada, a voz ou outros parâmetros compatíveis.