tts-1-hd-1106

Thông số kỹ thuật của tts-1-hd-1106

tts-1-hd-1106 là gì?

tts-1-hd-1106 là định danh nền tảng của CometAPI cho một bản snapshot mô hình chuyển văn bản thành giọng nói độ trung thực cao của OpenAI, gắn với họ phát hành TTS tháng 11 năm 2023. Mô hình này được thiết kế để biến văn bản thành âm thanh giọng nói tự nhiên, đồng thời nhấn mạnh độ trung thực và chất lượng đầu ra âm thanh.

Trong thực tế, mô hình này phù hợp với các ứng dụng mà đầu ra giọng nói được trau chuốt quan trọng hơn tốc độ phản hồi nhanh nhất. So với dòng tts-1 tiêu chuẩn, phiên bản HD được định vị cho chất lượng tổng hợp cao hơn, hữu ích cho thuyết minh nội dung, tạo giọng nói chuyên nghiệp và trải nghiệm nghe của người dùng cuối khi độ rõ ràng là yếu tố quan trọng.

Vì tts-1-hd-1106 là một định danh kiểu snapshot, nên nên hiểu nó như một biến thể có phiên bản ổn định thuộc dòng TTS-1 HD rộng hơn, thay vì một họ mô hình riêng biệt. Cách hiểu này được củng cố bởi các danh mục mô hình công khai và thảo luận trong cộng đồng về hậu tố 1106, vốn phù hợp với quy ước đặt tên snapshot ban đầu vào tháng 11 năm 2023.

Tính năng chính của tts-1-hd-1106

• Tạo giọng nói độ trung thực cao: Mô hình được xây dựng để cho ra đầu ra TTS chất lượng cao, phù hợp với trải nghiệm âm thanh trau chuốt như thuyết minh, lồng tiếng truyền thông và âm thanh cao cấp hướng tới người dùng.
• Chuyển đổi văn bản thành âm thanh: Nhận văn bản làm đầu vào và trả về âm thanh giọng nói được tạo, giúp xây dựng pipeline tổng hợp giọng nói đơn giản.
• Phiên bản hóa theo kiểu snapshot: Hậu tố 1106 cho thấy phiên bản snapshot theo mẫu đặt tên của OpenAI, hữu ích cho đội ngũ muốn hành vi ổn định, nhất quán theo thời gian.
• Hỗ trợ lựa chọn giọng nói: Tài liệu TTS hiện tại của OpenAI mô tả nhiều giọng nói tích hợp sẵn qua điểm cuối tạo giọng nói, cho phép nhà phát triển linh hoạt về tông giọng và phong cách trình bày.
• Tích hợp với điểm cuối tạo giọng nói: Mô hình thuộc quy trình Audio API cho speech, phù hợp tự nhiên với các ứng dụng đã dùng mẫu yêu cầu tương thích OpenAI.
• Phù hợp cho khả năng tiếp cận và thuyết minh nội dung: Tài liệu công khai và tham chiếu trong hệ sinh thái nhất quán định vị các mô hình TTS như thế này cho việc đọc to văn bản, tạo âm thanh hỗ trợ và chuyển nội dung viết thành nội dung lời nói.

Cách truy cập và tích hợp tts-1-hd-1106

Bước 1: Đăng ký lấy khóa API

Đăng ký trên CometAPI và tạo khóa API từ bảng điều khiển. Sau đó, lưu khóa một cách an toàn trong biến môi trường như COMETAPI_API_KEY để ứng dụng của bạn có thể xác thực yêu cầu một cách an toàn.

Bước 2: Gửi yêu cầu tới API tts-1-hd-1106

Sử dụng điểm cuối tương thích OpenAI của CometAPI và chỉ định mô hình là tts-1-hd-1106.

curl https://api.cometapi.com/v1/audio/speech \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_API_KEY" \
  -d '{
    "model": "tts-1-hd-1106",
    "input": "Xin chào! Đây là một phản hồi giọng nói mẫu được tạo.",
    "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-1106",
    voice="alloy",
    input="Xin chào! Đây là một phản hồi giọng nói mẫu được tạo."
)

response.stream_to_file("speech.mp3")

Bước 3: Truy xuất và xác minh kết quả

Lưu tệp âm thanh trả về, sau đó kiểm tra xem đầu ra giọng nói có khớp với văn bản nguồn, giọng mong đợi và mức chất lượng yêu cầu hay không. Trong môi trường sản xuất, bạn cũng nên xác thực định dạng tệp, khả năng phát lại, độ trễ và việc âm thanh tạo ra có đáp ứng yêu cầu thuyết minh hoặc khả năng tiếp cận của bạn không.