tts-1-hd

ข้อกำหนดทางเทคนิคของ tts-1-hd

tts-1-hd คืออะไร?

tts-1-hd คือโมเดลแปลงข้อความเป็นคำพูดคุณภาพสูงของ OpenAI สำหรับสร้างเสียงพูดที่ฟังเป็นธรรมชาติจากข้อความ ออกแบบมาสำหรับกรณีที่ให้ความสำคัญกับคุณภาพของผลลัพธ์มากกว่าการลดความหน่วง เช่น การบรรยาย ผู้ช่วยเสียง ฟีเจอร์เพื่อการเข้าถึง การศึกษาหรือเนื้อหา และงานผลิตสื่อ OpenAI ระบุว่า tts-1-hd เป็นโมเดลที่ปรับแต่งให้เหมาะกับงานแปลงข้อความเป็นคำพูดคุณภาพสูง และใช้งานผ่าน Speech endpoint ใน Audio API

เมื่อเทียบกับตัวเลือก TTS ที่เบาหรือเร็วกว่า tts-1-hd โดยทั่วไปถูกวางตำแหน่งให้เป็นตัวเลือกที่เน้นคุณภาพในชุดโซลูชันเสียงของ OpenAI นักพัฒนามักส่งข้อความอินพุต เลือกเสียง กำหนดความเร็วหรือรูปแบบผลลัพธ์ตามต้องการ และรับไฟล์เสียงหรือสตรีมเสียงที่พร้อมสำหรับการเล่นหรือจัดเก็บ

คุณสมบัติหลักของ tts-1-hd

• การสังเคราะห์เสียงคุณภาพสูง: tts-1-hd ปรับแต่งมาเพื่อการสร้างเสียงคุณภาพสูง เหมาะเมื่อความชัดเจนและความเป็นธรรมชาติมีความสำคัญมากกว่าการตอบสนองที่เร็วที่สุด
• เวิร์กโฟลว์ข้อความเป็นเสียงที่เรียบง่าย: โมเดลรับอินพุตเป็นข้อความและส่งคืนเสียงสังเคราะห์ผ่าน Audio API ทำให้นักพัฒนาสร้างฟีเจอร์บรรยายหรือเอาต์พุตเสียงได้อย่างตรงไปตรงมา
• รองรับเสียงสำเร็จรูป: นักพัฒนาสามารถเลือกเสียงที่มีให้เพื่อให้ได้โทนหรือสไตล์การนำเสนอที่ต่างกันโดยไม่ต้องเทรนโมเดลเสียงแบบกำหนดเอง
• กำหนดลักษณะเอาต์พุตได้: API รองรับการตั้งค่าที่ใช้งานจริง เช่น รูปแบบผลลัพธ์และความเร็วของคำพูด ช่วยให้ปรับเสียงสำหรับการเล่น ดาวน์โหลด เครื่องมือเพื่อการเข้าถึง หรือสายการผลิตคอนเทนต์
• เหมาะกับการใช้งานเสียงระดับโปรดักชัน: เนื่องจากเปิดให้ใช้งานผ่าน speech endpoint มาตรฐาน จึงผสานเข้ากับแอป เวิร์กโฟลว์ฝั่งเซิร์ฟเวอร์ ระบบอัตโนมัติ และไปป์ไลน์เสียงหลายขั้นตอนผ่านการเข้าถึงแบบ API ได้อย่างคาดการณ์ได้

วิธีเข้าถึงและบูรณาการ tts-1-hd

ขั้นตอนที่ 1: ลงทะเบียนเพื่อรับ API Key

เริ่มใช้งาน tts-1-hd โดยลงทะเบียนที่ CometAPI และสร้าง API key จากแดชบอร์ด หลังจากเข้าสู่ระบบ ให้สร้างคีย์สำหรับโปรเจ็กต์ของคุณและเก็บรักษาอย่างปลอดภัย เนื่องจากต้องใช้เพื่อยืนยันตัวตนในทุกคำขอ API

ขั้นตอนที่ 2: ส่งคำขอไปยัง API ของ tts-1-hd

เมื่อคุณมี API key แล้ว ให้ส่งคำขอแบบ POST ไปยัง endpoint ของ CometAPI ที่เข้ากันได้กับ chat completions โดยระบุโมเดลเป็น tts-1-hd ใน request body

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")

ขั้นตอนที่ 3: ดึงผลลัพธ์และตรวจสอบ

หลังจากส่งคำขอแล้ว CometAPI จะส่งคืนผลลัพธ์เสียงที่สร้างโดย tts-1-hd ให้บันทึกไฟล์ เอาไปเล่น และตรวจสอบว่า คุณภาพเสียง การเลือกเสียง จังหวะ และการออกเสียง ตรงตามความต้องการของแอปพลิเคชันของคุณหรือไม่ หากจำเป็น ให้ปรับปรุงโดยแก้ไขข้อความอินพุต เลือกเสียงอื่น หรือปรับพารามิเตอร์ที่รองรับเพิ่มเติม