tts-1-hd

Thông số kỹ thuật của tts-1-hd

tts-1-hd là gì?

tts-1-hd là mô hình chuyển văn bản thành giọng nói chất lượng cao của OpenAI để tạo âm thanh lời nói tự nhiên từ văn bản. Mô hình này được thiết kế cho các trường hợp sử dụng mà chất lượng đầu ra quan trọng hơn việc giảm thiểu độ trễ, chẳng hạn như thuyết minh, trợ lý giọng nói, tính năng trợ năng, nội dung giáo dục và sản xuất truyền thông. OpenAI mô tả tts-1-hd là mô hình được tối ưu cho chuyển văn bản thành giọng nói chất lượng cao và cho biết nó được sử dụng thông qua Speech endpoint trong Audio API.

So với các lựa chọn TTS nhẹ hoặc nhanh hơn, tts-1-hd thường được định vị là lựa chọn tập trung vào chất lượng trong ngăn xếp giọng nói của OpenAI. Nhà phát triển thường gửi văn bản đầu vào, chọn giọng nói, tùy chọn cấu hình tốc độ hoặc định dạng đầu ra, và nhận tệp âm thanh hoặc phản hồi âm thanh có thể phát trực tuyến phù hợp để phát hoặc lưu trữ.

Các tính năng chính của tts-1-hd

• Tổng hợp giọng nói chất lượng cao: tts-1-hd được tối ưu đặc biệt cho việc tạo âm thanh chất lượng cao, phù hợp khi độ rõ ràng và tự nhiên quan trọng hơn thời gian phản hồi nhanh nhất.
• Quy trình văn bản‑sang‑âm thanh đơn giản: Mô hình nhận đầu vào là văn bản và trả về giọng nói tổng hợp thông qua Audio API của OpenAI, giúp việc triển khai trở nên đơn giản cho các nhà phát triển xây dựng tính năng thuyết minh hoặc xuất âm thanh.
• Hỗ trợ giọng dựng sẵn: Nhà phát triển có thể chọn từ các giọng dựng sẵn được hỗ trợ khi tạo giọng nói, cho phép các tông giọng hoặc phong cách trình bày khác nhau mà không cần huấn luyện mô hình giọng nói tùy chỉnh.
• Hành vi đầu ra có thể cấu hình: API hỗ trợ các điều khiển thực tế như định dạng phản hồi và tốc độ nói, giúp đội ngũ điều chỉnh âm thanh được tạo cho phát lại, tải xuống, công cụ trợ năng hoặc quy trình nội dung.
• Phù hợp cho các trường hợp âm thanh sản xuất: Vì được cung cấp qua điểm cuối Speech tiêu chuẩn, nó có thể tích hợp vào ứng dụng, quy trình backend, hệ thống tự động hóa và các pipeline giọng nói nhiều bước với khả năng truy cập dựa trên API có thể dự đoán.

Cách truy cập và tích hợp tts-1-hd

Bước 1: Đăng ký để lấy khóa API

Để bắt đầu sử dụng tts-1-hd, trước tiên hãy đăng ký trên CometAPI và tạo khóa API từ bảng điều khiển. Sau khi đăng nhập, tạo một khóa cho dự án của bạn và lưu trữ an toàn vì nó sẽ được dùng để xác thực mọi yêu cầu API.

Bước 2: Gửi yêu cầu tới API tts-1-hd

Khi đã có khóa API, hãy gửi một yêu cầu POST tới điểm cuối chat completions tương thích của CometAPI, chỉ định model là tts-1-hd trong phần thân yêu cầu.

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")

Bước 3: Nhận và kiểm tra kết quả

Sau khi gửi yêu cầu, CometAPI sẽ trả về kết quả âm thanh được tạo cho tts-1-hd. Lưu tệp đầu ra, phát thử và xác minh rằng chất lượng giọng nói, lựa chọn giọng nói, nhịp độ và cách phát âm phù hợp với yêu cầu của ứng dụng bạn. Nếu cần, lặp lại bằng cách điều chỉnh văn bản đầu vào, giọng nói hoặc các tham số được hỗ trợ khác.