tts-1-hd

tts-1-hd کی تکنیکی وضاحتیں

tts-1-hd کیا ہے؟

tts-1-hd OpenAI کا اعلیٰ معیار والا ٹیکسٹ ٹو اسپیچ ماڈل ہے جو متن سے قدرتی لگنے والی بولی تیار کرنے کے لیے بنایا گیا ہے۔ یہ ان منظرناموں کے لیے موزوں ہے جہاں آؤٹ پٹ کے معیار کی اہمیت کم ترین تاخیر سے زیادہ ہو، جیسے نریشن، وائس اسسٹنٹس، رسائی پذیری فیچرز، تعلیمی مواد، اور میڈیا پروڈکشن۔ OpenAI tts-1-hd کو ایک ایسے ماڈل کے طور پر دستاویزی شکل دیتا ہے جو اعلیٰ معیار کی تقریر کے لیے آپٹیمائزڈ ہے اور Audio API میں Speech endpoint کے ذریعے استعمال ہوتا ہے۔

ہلکے یا تیز TTS اختیارات کے مقابلے میں، tts-1-hd عمومی طور پر OpenAI اسپیچ اسٹیک میں معیار پر مرکوز انتخاب کے طور پر پیش کیا جاتا ہے۔ ڈویلپرز عموماً ان پٹ ٹیکسٹ بھیجتے ہیں، آواز منتخب کرتے ہیں، اختیاری طور پر رفتار یا آؤٹ پٹ فارمیٹ ترتیب دیتے ہیں، اور پلے بیک یا ذخیرہ کرنے کے لیے موزوں آڈیو فائل یا اسٹریمیبل آڈیو رسپانس حاصل کرتے ہیں۔

tts-1-hd کی اہم خصوصیات

• اعلیٰ معیار کی تقریر کی ترکیب: tts-1-hd خاص طور پر بلند معیار کی آڈیو جنریشن کے لیے آپٹیمائزڈ ہے، جس سے وہ حالات موزوں بنتے ہیں جہاں وضاحت اور قدرتی لہجہ تیز ترین رسپانس ٹائم سے زیادہ اہم ہو۔
• سادہ متن تا آڈیو ورک فلو: یہ ماڈل متن وصول کرتا ہے اور OpenAI کی Audio API کے ذریعے مصنوعی تقریر واپس کرتا ہے، جس سے نریشن یا وائس آؤٹ پٹ فیچرز بنانے والوں کے لیے نفاذ سیدھا رہتا ہے۔
• پری سیٹ آوازوں کی معاونت: ڈویلپرز بول تیار کرتے وقت دستیاب بلٹ اِن آوازوں میں سے انتخاب کر سکتے ہیں، جس سے بغیر کسی کسٹم وائس ماڈل کی ٹریننگ کے مختلف لہجے یا انداز ممکن ہوتے ہیں۔
• قابلِ تخصیص آؤٹ پٹ رویہ: API رسپانس فارمیٹ اور تقریر کی رفتار جیسے عملی کنٹرول فراہم کرتی ہے، جس سے ٹیمیں پلے بیک، ڈاؤن لوڈز، رسائی پذیری ٹولز، یا کنٹینٹ پائپ لائنز کے لیے آڈیو موزوں بنا سکتی ہیں۔
• پراڈکشن آڈیو استعمال کے کیسز کے لیے موزوں: چونکہ یہ معیاری Speech endpoint کے ذریعے فراہم ہوتا ہے، اس لیے اسے ایپس، بیک اینڈ ورک فلو، آٹومیشن سسٹمز، اور کثیر مرحلہ وائس پائپ لائنز میں پیش گوئی کے قابل API بنیادوں پر ضم کیا جا سکتا ہے۔

tts-1-hd تک رسائی اور انضمام کا طریقہ

مرحلہ 1: API کلید کے لیے سائن اپ کریں

tts-1-hd استعمال کرنے کے لیے پہلے CometAPI پر رجسٹر کریں اور ڈیش بورڈ سے اپنی API کلید بنائیں۔ لاگ اِن کے بعد اپنے پروجیکٹ کے لیے کلید بنائیں اور اسے محفوظ رکھیں، کیونکہ ہر API درخواست کی تصدیق کے لیے اس کی ضرورت ہوگی۔

مرحلہ 2: tts-1-hd API کو درخواست بھیجیں

جب آپ کے پاس API کلید ہو، تو CometAPI کے ہم آہنگ چیٹ کمپلیشنز اینڈپوائنٹ پر POST درخواست بھیجیں، اور ریکویسٹ باڈی میں ماڈل کے طور پر tts-1-hd متعین کریں۔

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")

مرحلہ 3: نتائج حاصل کریں اور تصدیق کریں

درخواست جمع کرانے کے بعد، CometAPI tts-1-hd کے لیے تیار کردہ آڈیو نتیجہ واپس کرے گا۔ آؤٹ پٹ فائل محفوظ کریں، اسے چلائیں، اور تصدیق کریں کہ تقریر کا معیار، آواز کا انتخاب، رفتار، اور تلفظ آپ کی ایپلیکیشن کی ضروریات کے مطابق ہیں۔ ضرورت ہو تو ان پٹ ٹیکسٹ، آواز، یا دیگر معاون پیرامیٹرز میں رد و بدل کر کے دوبارہ آزمائیں۔