tts-1

Технические характеристики tts-1

Что такое tts-1?

tts-1 — это модель синтеза речи OpenAI, предназначенная для преобразования письменного текста в естественно звучащее озвученное аудио. Она позиционируется как более быстрая, с меньшей задержкой, среди классических TTS‑моделей OpenAI, поэтому подходит для случаев, когда важна скорость озвучивания, а не максимально возможная детализация.

Разработчики обычно используют tts-1 через конечную точку генерации речи Audio API, когда требуется преобразовать текст приложения, подсказки, уведомления, дикторские фрагменты или ответы ассистента в воспроизводимые аудиофайлы. В документации OpenAI она описывается как оптимизированная для сценариев синтеза речи в реальном времени.

На практике tts-1 хорошо подходит для легковесных голосовых сценариев, систем с быстрым откликом, интерактивных прототипов и продуктов, где важнее отзывчивость, чем премиальное качество голоса. Если приоритетом является максимальное качество, OpenAI рекомендует tts-1-hd, а для более выразительных сценариев — более новые модели TTS.

Основные возможности tts-1

• Низкая задержка генерации речи: tts-1 специально оптимизирована на скорость, что полезно для приложений, где нужен быстрый голосовой вывод.
• Естественное звучание речи: Модель преобразует обычный текст в озвученное аудио, подходящее для дикторских дорожек, ответов ассистента и голосовых интерфейсов.
• Несколько встроенных голосов: tts-1 поддерживает набор встроенных голосов, включая alloy, ash, coral, echo, fable, onyx, nova, sage и shimmer.
• Гибкие форматы аудиовыхода: Разработчики могут запрашивать аудио в распространённых форматах, таких как MP3, WAV, FLAC, AAC, Opus и PCM, в зависимости от задач воспроизведения или обработки.
• Регулируемая скорость воспроизведения: В API можно задавать скорость от 0.25x до 4.0x, что позволяет замедлять дикторскую подачу или ускорять её по необходимости.
• Простая интеграция через API: tts-1 доступна через стандартный API генерации речи, что упрощает интеграцию в веб-, мобильные или серверные рабочие процессы.
• Подходит для приложений реального времени: OpenAI явно позиционирует tts-1 как модель для сценариев TTS в реальном времени, что делает её практичной для ассистентов, уведомлений и быстрых интерактивных систем.
• Осознанный компромисс в выборе модели: По сравнению с tts-1-hd, эта модель отдаёт приоритет скорости генерации над высочайшим качеством, предоставляя разработчикам прозрачный выбор между задержкой и качеством.

Как получить доступ и интегрировать tts-1

Шаг 1: Зарегистрируйтесь и получите ключ API

Чтобы получить доступ к API tts-1, сначала зарегистрируйтесь в CometAPI и сгенерируйте ключ API в панели управления. После входа создайте новый ключ, надёжно скопируйте его и сохраните в переменных окружения вашего приложения. Этот ключ будет использоваться для аутентификации всех запросов к API tts-1.

Шаг 2: Отправляйте запросы к API tts-1

Получив ключ, отправьте POST‑запрос на конечную точку CometAPI для tts-1 с входными данными. Укажите ключ API в заголовке Authorization и задайте tts-1 как модель. Типичный запрос включает входной текст и параметры TTS, такие как голос и формат ответа.

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

Шаг 3: Получите и проверьте результаты

После отправки запроса API tts-1 возвращает сгенерированное аудио при успешном выполнении. Сохраните полученный файл или поток, проверьте корректность воспроизведения и убедитесь, что выбранные голос, скорость и формат соответствуют требованиям вашего приложения. При необходимости повторите запрос с изменёнными параметрами, чтобы улучшить итоговый результат.