OpenAI TTS-1 HD 1106: OrcaRouterのOpenAI互換APIによる高精細テキスト読み上げ
openai/tts-1-hd-1106モデルは、OpenAIが提供するテキスト読み上げモデルであり、2023年11月にリリースされた高精細バリアントです。テキストを自然な音声に変換し、明瞭さと表現力を重視しています。このモデルはテキスト形式の入力を受け付け、オーディオトークンを出力します。価格は入力トークン100万件あたり30.00ドル、出力トークン100万件あたり30.00ドルで、OrcaRo…
openai/tts-1-hd-1106モデルは、高精細なオーディオ出力向けに設計されています。優れた韻律と感情表現を備えた自然な音声を生成します。このモデルは(OpenAIが提供する)複数の音声をサポートし、速度とサンプルレートの調整が可能です。出力は設定に応じて通常24kHzまたは48kHzのオーディオとなります。これにより、メディア制作のような専門的な用途に適しています。
最適な用途には、動画のナレーション作成、オーディオブックの朗読生成、アプリケーション内での音声インターフェース構築、および支援技術への音声出力追加が含まれます。高精細品質は、エンドユーザーが顧客向けのシナリオで出力を聞く場合に特に価値があります。内部テストや低忠実度のプロトタイプでは、より低コストの代替案を検討してください。
もしユースケースで高忠実度オーディオが不要な場合（例：単純なアラート音、非常に短い発話、内部ログなど）、低コストのTTSモデルの方が経済的かもしれません。1Mトークンあたり30ドルの価格は入力と出力の両方に適用されるため、多くの短いクリップを生成するとすぐにコストが蓄積します。大規模な本番環境では、品質要件と予算を評価してください。
はい、OpenAIはこのモデルに対していくつかのデフォルトの音声を提供しています（例：alloy、echo、fable、onyx、nova、shimmer）。APIパラメータを介して音声を選択できます。さらに、速度（0.5倍から2.0倍）、サンプルレート、出力フォーマットを調整できます。このモデルはカスタム音声クローニングやファインチューニングをサポートしていません。OrcaRouterはこれらのパラメータを変更せずにOpenAIに渡します。
openai/tts-1-hd-1106の具体的なベンチマークスコアは利用可能なデータには記載されていませんが、そのリリース日（2023年11月）時点ではOpenAIの最高品質のTTSモデルとして広く認識されています。内部評価では自然さと明瞭さにおいてトップモデルにランクインしています。客観的なパフォーマンスについては、OpenAIのドキュメントや第三者によるレビューを参照してください。
レイテンシは、入力テキストの長さと選択されたオーディオ形式に依存します。一般的に、モデルは短い入力（例: 100文字）に対しては数秒以内にオーディオを返します。長いテキストの場合は、それに比例して時間がかかる可能性があります。OrcaRouterは、プロバイダーの応答時間に大きなオーバーヘッドを追加することはありません。ストリーミングにより、リアルタイムアプリケーションにおける知覚レイテンシを低減できます。
このモデルはテキスト読み上げに限定されており、音声選択以外の音声会話や感情制御はサポートされていません。背景音や音楽を生成することはできません。珍しい発音、同音異義語、外来語があると出力品質が低下する場合があります。また、モデルには最大入力長（通常4096文字）があり、非常に長いテキストの場合は入力を分割してください。
料金は、入力トークン100万個あたり$30.00、出力トークン100万個あたり$30.00です。入力トークンはあなたが提供するテキストをカウントします。出力トークンは生成された音声トークンをカウントします。両方とも同じレートで請求されます。分単位や文字単位の料金はありません。トークン化はOpenAIによって処理されます。OrcaRouterはマークアップを一切追加しないため、公開されているOpenAIのレートをそのままお支払いいただきます。
提供された価格設定は、OrcaRouterを通じた標準料金です。数量割引やキャッシュ価格については言及されていません。入力テキストの長さを最適化することでコストを削減できます。短いプロンプトは生成される出力トークン数を減らします。大規模な利用の場合は、OpenAIと直接交渉することを検討してください。ただし、OrcaRouterは個別の価格帯を提供していません。
1Mトークンあたり30ドル（入力・出力とも）という価格設定は、多くの標準的なTTSモデルよりも高価です。例えば、OpenAIの標準tts-1モデルは入力1Mあたり15ドル、出力1Mあたり15ドルです。HDバリアントは高品質のためプレミアムがかかります。OrcaRouterはこれらのプロバイダーの料金をマークアップなしでそのまま通過させるため、コスト差はOpenAIを直接利用する場合と同じです。
ゼロマークアップとは、OrcaRouterがプロバイダーのトークン単価に追加の手数料を一切課さないことを意味します。お客様のコストは、OpenAIの料金そのまま、入力トークン100万トークンあたり30ドル、出力トークン100万トークンあたり30ドルです。プラットフォームの追加料金、隠れたコスト、使用量のしきい値は一切ありません。発生する費用は、公開されているプロバイダーの価格に基づくトークン使用量のみです。
https://api.orcarouter.ai/v1 のOpenAI互換APIを使用してください。モデルパラメータを "openai/tts-1-hd-1106" に設定してください。入力テキストは標準のメッセージ形式（例：role: user, content: your text）で提供してください。追加のTTS固有パラメータ（voice、speed、response_formatなど）はリクエストボディに含めることができます。OrcaRouterはリクエストをOpenAIに転送し、オーディオ応答を返します。完全なパラメータの詳細については、OpenAIのTTS APIドキュメントを参照してください。
_format examples are enclosed in quotes. The text says "string from available voices" -> "利用可能な音声からの文字列". "number 0.5–2.0" -> "数値 0.5～2.0". Use proper Japanese punctuation._format spelling? It's fine. Output only the translation.OpenAI TTS APIと同じパラメータを設定できます：input（文字列）、model（"openai/tts-1-hd-1106"）、voice（利用可能な音声からの文字列）、speed（数値 0.5～2.0）、response_format（例："mp3"、"opus"、"aac"、"flac"、"wav"）、およびsample_rate。これらをchat/completionsエンドポイントへのPOSTリクエストのJSON本文に含めてください。OrcaRouterはすべてのパラメータを保持し、変更しません。
はい、APIリクエストでstreamパラメータをtrueに設定することでストリーミングを使用できます。モデルは生成されたオーディオチャンクをその場で返します。これはリアルタイムアプリケーションに便利です。OrcaRouterは追加設定なしでストリーミングをサポートしています。標準のOpenAI互換ストリーミングエンドポイントと同様に、クライアントがチャンク応答を適切に処理するようにしてください。
ベースAPI URLをhttps://api.orcarouter.ai/v1に置き換え、モデル識別子を"openai/tts-1-hd-1106"に更新してください。既存のOpenAI用APIキーは機能しません。OrcaRouter APIキーが必要です。リクエストボディの形式は変更されません。その他のコードの変更は必要ありません。OrcaRouterのエンドポイントは、OpenAI SDKに精通している方にとってドロップイン置換となるように設計されています。
両モデルはOpenAI製です。HD版（tts-1-hd-1106）は、標準のtts-1（片道あたり15ドル/100万トークン）と比較して、より自然な抑揚と明瞭さを備えた高音質を提供します。HDモデルはトークンあたりのコストが2倍です。選択は品質の要件次第であり、カジュアルな使用では標準モデルで十分な場合があります。プロフェッショナルな制作にはHDが推奨されます。
Amazon Polly、Google Cloud Text-to-Speech、Microsoft Azure Speech などのプロバイダーと比較すると、openai/tts-1-hd-1106 モデルは自然さでは競争力がありますが、通常は文字単価が高めです。表現力と OpenAI 互換 API による統合の容易さに優れています。ただし、他のプロバイダーはより多くの音声、言語サポート、カスタム音声作成を提供しています。言語、品質、予算に関する具体的なニーズに基づいて評価してください。
オープンソースモデル（Tacotron、FastSpeech、Tortoiseなど）はセットアップが必要で、OpenAIのHDモデルの出力品質に及ばない場合があります。ホスト型モデルは、インフラ管理が不要で、利便性、信頼性、高品質を提供します。しかし、オープンソースモデルは自己ホストでの使用においてコストがかからない場合がありますが、計算コストが発生します。小規模プロジェクトでは、オープンソースの方が安価かもしれませんが、一貫した品質が求められる本番環境では、HDモデルが有力な選択肢です。
OpenAI 互換——今お使いの SDK のまま
https://api.orcarouter.ai/v1response_formatspeedvoice| 入力 / 1M tokens | $30.00 |
| 出力 / 1M tokens | $30.00 |
| 通貨 | USD |
表示価格に基づく概算
見積もりのみ — 実際のトークン数はプロバイダーのトークナイザーに依存します。
@misc{orcarouter_tts_1_hd_1106,
title = {openai/tts-1-hd-1106 API},
author = {openai},
year = {n.d.},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/openai/tts-1-hd-1106}
}openai. (n.d.). openai/tts-1-hd-1106 API. OrcaRouter. https://www.orcarouter.ai/models/openai/tts-1-hd-1106