Especificações Técnicas de tts-1
| Especificação | Detalhes |
|---|---|
| ID do Modelo | tts-1 |
| Provedor | OpenAI |
| Tipo de modelo | Modelo de conversão de texto em fala (TTS) para transformar entrada de texto em áudio falado. |
| Otimização principal | Otimizado para velocidade e geração de baixa latência, especialmente para saída de fala em tempo real ou quase em tempo real. |
| Perfil de qualidade | Latência menor que tts-1-hd, mas com qualidade de áudio inferior à variante HD. |
| Modalidade de entrada | Apenas texto. |
| Modalidade de saída | Apenas áudio. |
| Endpoint da API | Endpoint de geração de fala da Audio API da OpenAI: /v1/audio/speech. |
| Comprimento máximo da entrada | Até 4096 caracteres por solicitação. |
| Formatos de resposta suportados | mp3, opus, aac, flac, wav, pcm. |
| Controle de velocidade | Suportado de 0.25 a 4.0, com 1.0 como padrão. |
Opções de voz para tts-1 | alloy, ash, coral, echo, fable, onyx, nova, sage, shimmer. |
| Suporte a streaming | A Speech API oferece suporte à saída de áudio por streaming, mas streaming SSE e controle de voz baseado em instruções não são suportados para tts-1. |
| Preços | A OpenAI lista tts-1 a US$ 15 por 1M de tokens para geração de fala. |
O que é o tts-1?
tts-1 é o modelo de texto para fala da OpenAI projetado para transformar texto escrito em áudio falado com som natural. Ele é posicionado como a opção mais rápida e de menor latência entre os modelos TTS clássicos da OpenAI, tornando-o adequado para aplicações que precisam de síntese de voz rápida em vez da mais alta fidelidade possível.
Desenvolvedores normalmente usam tts-1 por meio do endpoint de geração de fala da Audio API quando desejam converter textos de aplicativos, prompts, notificações, narrações ou respostas de assistentes em arquivos de áudio reproduzíveis. A documentação da OpenAI o descreve como otimizado para casos de uso de texto para fala em tempo real.
Na prática, tts-1 é uma boa escolha para experiências de voz leves, sistemas de resposta rápida, protótipos interativos e produtos em que a capacidade de resposta é mais importante do que a qualidade de voz premium. Se a máxima qualidade for a prioridade, a OpenAI direciona os usuários para tts-1-hd, enquanto casos de uso mais expressivos podem usar modelos TTS mais recentes.
Principais recursos do tts-1
- Geração de fala de baixa latência:
tts-1é especificamente otimizado para velocidade, o que o torna útil para apps que precisam de saída falada rapidamente. - Texto para fala com som natural: O modelo converte texto simples em áudio falado adequado para narração, respostas de assistente e interfaces de voz.
- Várias vozes integradas:
tts-1oferece um conjunto de vozes integradas, incluindo alloy, ash, coral, echo, fable, onyx, nova, sage e shimmer. - Formatos de áudio de saída flexíveis: Desenvolvedores podem solicitar áudio gerado em formatos comuns como MP3, WAV, FLAC, AAC, Opus e PCM, dependendo das necessidades de reprodução ou processamento.
- Velocidade de reprodução ajustável: A API permite controlar a velocidade de 0,25x a 4,0x, possibilitando narração mais lenta ou reprodução mais rápida conforme apropriado.
- Integração simples via API:
tts-1está disponível por meio da API padrão de geração de fala, o que facilita a integração em fluxos de trabalho web, mobile ou backend. - Bom para aplicações orientadas a tempo real: A OpenAI apresenta explicitamente
tts-1como um modelo para cenários de texto para fala em tempo real, o que o torna prático para assistentes, notificações e sistemas interativos rápidos. - Escolha de modelo focada em trade-offs: Em comparação com
tts-1-hd, este modelo prioriza geração mais rápida em detrimento de maior fidelidade, oferecendo aos desenvolvedores uma opção clara entre latência e qualidade.
Como acessar e integrar o tts-1
Etapa 1: Inscreva-se para obter a chave de API
Para acessar a API do tts-1, primeiro inscreva-se na CometAPI e gere sua chave de API no painel. Após fazer login, crie uma nova chave, copie-a com segurança e armazene-a nas variáveis de ambiente do seu aplicativo. Você usará essa chave para autenticar todas as solicitações à API do tts-1.
Etapa 2: Envie solicitações para a API do tts-1
Depois de possuir sua chave de API, envie uma solicitação POST ao endpoint da CometAPI para tts-1 com seu payload de entrada. Inclua sua chave de API no cabeçalho Authorization e especifique tts-1 como o modelo. Uma solicitação típica inclui o texto de entrada, além de parâmetros de TTS como voz e formato de resposta.
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
Etapa 3: Recupere e verifique os resultados
Após enviar sua solicitação, a API do tts-1 retorna o conteúdo de áudio gerado se a chamada for bem-sucedida. Salve o arquivo retornado ou o stream, verifique se o áudio é reproduzido corretamente e confirme se a voz, a velocidade e o formato selecionados correspondem aos requisitos do seu aplicativo. Se necessário, tente novamente com parâmetros ajustados para melhorar o resultado final.