OpenAI의 TTS-1-1106 텍스트 음성 변환 모델은 OrcaRouter를 통해 제로 마크업으로 실시간 스트리밍하여 접근할 수 있습니다.
openai/tts-1-1106은 2023년 11월 OpenAI에 의해 출시된 텍스트-음성 변환 모델입니다. 신경망을 사용하여 일반 텍스트에서 음성을 생성하며, 자연스러운 억양, 속도, 명확성을 목표로 합니다. 이 모델은 최대 6개의 사전 설정된 음성(alloy, echo, fable, onyx, nova, shimmer)을 지원하며, 각각 고유한 특성을…
이 모델은 주로 영어 텍스트를 지원하지만, 라틴 알파벳을 사용하는 다른 언어의 텍스트도 다양한 자연스러움 수준으로 처리할 수 있습니다. OpenAI는 지원되는 언어의 전체 목록을 공개하지 않았지만, 널리 알려진 사용 사례에 따르면 영어, 스페인어, 프랑스어, 독일어, 이탈리아어, 포르투갈어, 일본어(라틴 문자로 작성된 경우)에서 강력한 성능을 보입니다. 중국어나 아랍어와 같은 비라틴 문자 스크립트의 경우 출력 품질이 저하될 수 있습니다. 사용자가 대상 언어가 일반적인 범주를 벗어나는 경우 해당 언어를 테스트해야 합니다.
6개의 사전 설정된 음성이 제공됩니다: alloy, echo, fable, onyx, nova, shimmer. 각 음성은 뚜렷한 톤과 성별 표현을 가지고 있습니다(예: alloy는 중성, echo는 남성적, fable은 젊은 느낌, onyx는 깊은, nova는 따뜻한, shimmer는 밝은). 음성은 요청에서 voice 파라미터를 설정하여 선택합니다. 사용자 정의 음성 복제나 미세 조정 기능은 없으며, 이 여섯 가지 중에서 선택해야 합니다. 일관된 브랜드 음성이 필요한 프로젝트의 경우, 의도된 성격에 가장 잘 맞는 사전 설정을 평가하는 것이 필요할 수 있습니다.
네, TTS-1-1106은 서버 전송 이벤트(SSE)를 통한 스트리밍을 지원합니다. stream 파라미터를 true로 설정하면 API가 생성된 음성의 일부를 포함하는 청크 시퀀스로 오디오 데이터를 반환합니다. 이를 통해 클라이언트는 거의 즉시 재생을 시작할 수 있어 인지된 지연 시간을 최소화합니다. 스트리밍은 사용자가 즉각적인 음성 피드백을 기대하는 대화형 인터페이스에서 특히 유용합니다. 스트리밍은 전체 대역폭 오버헤드를 약간 증가시킬 수 있지만, 전체 응답을 기다리는 것보다 종단 간 지연 시간이 훨씬 낮습니다.
TTS-1-1106에는 몇 가지 알려진 제한 사항이 있습니다. 첫째, 노래나 비언어적 발성(예: 웃음, 울음)을 안정적으로 생성할 수 없습니다. 둘째, 사전 설정된 음성은 감정 표현을 지원하지 않아 내용과 관계없이 톤이 일정하게 유지됩니다. 셋째, 최대 입력 텍스트 길이는 약 4096자이며, 더 긴 내용은 여러 요청으로 나누어 연결해야 합니다. 넷째, 배경 소음 처리가 없어 모델은 깨끗한 입력 텍스트를 요구합니다. 마지막으로, 영어 이외의 언어에서는 성능이 일관되지 않을 수 있습니다. 고품질 다국어 지원이 필요하다면 특화된 모델을 고려하십시오.
TTS-1-1106은 짧거나 중간 길이의 영어 문장에서 인간에 가까운 자연스러움을 구현합니다. 신경망 아키텍처는 부드러운 운율, 적절한 구문 처리, 최소한의 로봇 같은 인공적 요소를 생성합니다. 독립적인 평가(주어진 사실에는 포함되지 않음)는 일반적으로 이 모델을 상용 API를 통해 제공되는 최고 수준의 범용 TTS 모델 중 하나로 꼽습니다. 그러나 매우 긴 텍스트에서는 때때로 부자연스러운 멈춤이나 잘못 강세가 붙은 음절이 발생할 수 있습니다. 전반적으로 대부분의 대화 및 나레이션 시나리오에서 출력은 설득력 있게 자연스럽습니다.
지연 시간은 입력 길이와 네트워크 상태에 따라 달라지지만, TTS-1-1106은 낮은 종단 간 지연에 최적화되어 있습니다. 일반적인 100~200자 요청은 스트리밍 시 첫 번째 오디오 청크를 500ms 이내에 반환합니다. 1000자 입력에 대한 전체 응답 시간은 보통 2초 미만입니다. 이 수치는 OrcaRouter의 네트워크 및 서버 부하에 따라 달라집니다. 스트리밍은 전체 오디오가 생성되기 전에 재생을 시작할 수 있으므로 인지되는 지연 시간을 크게 줄입니다. 실시간 애플리케이션의 경우 스트리밍을 강력히 권장합니다.
구형 TTS 모델(Tacotron, WaveNet 등)과 비교할 때, TTS-1-1106은 REST API를 통해 더 빠른 추론과 쉬운 통합을 제공합니다. 표준 영어 음성 샘플에서 Amazon Polly(뉴럴 음성) 및 Google Cloud Text-to-Speech(WaveNet 음성)의 클라우드 TTS 품질과 대체로 동등하거나 더 뛰어납니다. 감정 표현 범위와 맞춤형 음성 복제 측면에서는 ElevenLabs의 특화 모델에 뒤처집니다. 비용 측면에서 TTS-1-1106은 $15/1M 입력/출력 토큰(OrcaRouter에 마크업 없음)으로 경쟁력 있는 가격이며, 이는 대략 $0.015/1K 입력 문자에 해당합니다. 이는 Azure의 뉴럴 TTS 티어와 유사합니다.
주요 절충점은 제한된 음성 선택(맞춤 설정 불가)과 4096자 입력 제한입니다. 브랜드 특화 음성이 필요한 사용자는 6개의 사전 설정 중 하나를 선택해야 합니다. 또한 이 모델은 기본 SSML 운율 요소 외에는 발음이나 강조를 세밀하게 제어할 수 있는 SSML 태그를 지원하지 않습니다. 또한 단일 요청에서 여러 화자가 대화하는 기능을 지원하지 않으며, 각 요청은 하나의 음성만 생성합니다. 대화의 경우, 서로 다른 음성 매개변수로 별도의 요청을 보내고 클라이언트 측에서 오디오를 이어붙여야 합니다.
가격은 입력과 출력 모두 토큰 기준으로 책정되며, 1,000,000개 토큰당 $15.00의 고정 요율이 적용됩니다. 하나의 토큰은 입력 시 영어 텍스트 약 0.75자에 해당하며, 출력 토큰은 생성된 오디오 샘플의 동등한 개수(역시 $15/1M 토큰)로 계산됩니다. 추가 마크업은 없으며, OrcaRouter는 공급업체 요율을 그대로 전달합니다. 이 가격 모델은 처리된 텍스트 양과 생성된 오디오 양에 따라 비용이 선형적으로 증가함을 의미합니다. 일반적인 1000자 입력의 경우, 총 비용은 요청당 약 $0.02(입력) + $0.02(출력) = $0.04입니다.
스트리밍 자체는 토큰당 가격을 변경하지 않습니다. 응답이 스트리밍되거나 단일 blob으로 전달되는지와 관계없이 동일한 수의 토큰에 대해 요금이 청구됩니다. 클라이언트 측에서 반복 요청을 캐싱하면 중복 API 호출을 방지하여 비용을 절약할 수 있습니다. OrcaRouter는 TTS 응답에 대해 서버 측 캐싱을 제공하지 않습니다. 애플리케이션이 동일한 텍스트(예: 표준 인사말)를 자주 생성하는 경우, 비용을 최소화하기 위해 오디오를 사전 생성하여 로컬에 캐시해야 합니다. 볼륨 할인이나 계층형 가격 책정은 없습니다. 요율은 토큰당 고정입니다.
500자 메시지를 소리내어 읽는 챗봇을 생각해보세요. 각 메시지의 비용은 입력: 500자 ≈ 667 토큰 → ~$0.01; 출력: 비슷하게 ~$0.01; 합계 메시지당 ~$0.02입니다. 월 10,000 메시지의 경우 $200입니다. 50,000 단어(≈350,000자 입력)의 오디오북의 경우 비용은 대략: 입력 $0.07, 출력 $0.07 → 총 $0.14입니다. 그러나 오디오 인코딩으로 인해 출력 토큰 수가 더 높을 수 있으므로 실제 비용은 두 배가 될 수 있습니다. 항상 샘플을 테스트하고 API에서 반환된 정확한 토큰 수를 사용하여 정확하게 예산을 책정하세요.
아니요. OrcaRouter는 기본 제공업체(OpenAI)와 TTS-1-1106에 대해 정확히 동일한 가격을 청구합니다: 입력 토큰 100만 개당 $15, 출력 토큰 100만 개당 $15입니다. OrcaRouter 게이트웨이 사용에 대한 추가 요금은 없습니다. 이러한 투명한 가격 책정을 통해 개발자는 OpenAI의 자체 API를 직접 사용할 때와 비용 증가 없이 OpenAI의 TTS 모델에 접근할 수 있습니다. 토큰 소비에 대해서만 비용을 지불하면 되며, OrcaRouter는 추가 할증료를 부과하지 않습니다.
해당 모델은 기본 URL https://api.orcarouter.ai/v1에서 표준 OpenAI 호환 채팅 완료 엔드포인트를 사용하여 호출합니다. 모델 파라미터를 "openai/tts-1-1106"으로 설정합니다. 요청 본문에는 변환하려는 텍스트를 포함하는 input 필드와 voice, response_format, speed(재생 속도)와 같은 선택적 필드가 필요합니다. 인증은 Authorization 헤더의 API 키를 통해 수행됩니다. curl 예시: curl https://api.orcarouter.ai/v1/audio/speech -H "Authorization: Bearer YOUR_API_KEY" -H "Content-Type: application/json" -d '{"model":"openai/tts-1-1106","input":"Hello world","voice":"alloy","response_format":"mp3"}' > output.mp3.
주요 요청 매개변수: model (필수, "openai/tts-1-1106"로 설정), input (문자열, 말할 텍스트), voice (alloy, echo, fable, onyx, nova, shimmer 중 하나의 문자열), response_format ("mp3" 또는 "opus", 기본값 mp3), speed (float, 기본값 1.0; OpenAI 문서에 0.25 ~ 4.0 범위), stream (boolean, 기본값 false). 추가 선택적 매개변수로는 OpenAI 규칙에 따라 user가 있습니다. 지원되지 않음: functions, tools, logprobs. 스트리밍 사용 시 stream: true로 설정하면 응답은 오디오 데이터가 포함된 일련의 SSE 이벤트가 됩니다.
필수 입력 필드는 model과 input입니다. model은 정확히 "openai/tts-1-1106"이어야 합니다. input 필드는 비어 있지 않은 문자열(최대 약 4096자)이어야 합니다. voice를 생략하면 API는 기본값으로 alloy를 사용합니다. response_format을 생략하면 기본값은 mp3입니다. 요청은 HTTPS를 통해 JSON으로 전송되어야 합니다. OrcaRouter는 Authorization 헤더에 Bearer 스키마로 유효한 API 키를 포함해야 합니다. text_type 매개변수를 지정할 필요는 없으며, 일반 텍스트로 간주됩니다.
현재 OpenAI의 자체 API 엔드포인트 TTS-1-1106을 사용 중이라면, OrcaRouter로 마이그레이션하려면 기본 URL을 https://api.openai.com/v1에서 https://api.orcarouter.ai/v1로 변경하고 API 키를 OrcaRouter 키로 업데이트하기만 하면 됩니다. 모델 ID에는 openai/ 접두사를 붙여야 합니다 (즉, "tts-1-1106" 대신 "openai/tts-1-1106"을 사용). 다른 모든 매개변수(input, voice, response_format 등)는 동일하게 유지됩니다. 엔드포인트와 키 외에는 코드 변경이 필요하지 않습니다. 가격은 동일하며, 추가 인상이 없습니다.
OpenAI는 또한 TTS-1(원본)과 TTS‑1‑HD를 제공합니다. TTS-1-1106은 지연 시간과 스트리밍에 최적화된 반복 버전이며, TTS‑1‑HD는 속도를 희생하더라도 더 높은 품질을 제공합니다. TTS-1-1106은 동일한 여섯 가지 음성과 가격을 지원합니다. 이전 TTS-1 모델과 비교하여 TTS-1-1106은 자연스러움이 개선되었으며, 특히 긴 발화에서 인공물(아티팩트)이 감소했습니다. 오디오 품질이 가장 중요하고 지연 시간이 덜 중요한 애플리케이션의 경우 TTS‑1‑HD가 더 적합할 수 있으며, 그렇지 않은 경우 대화형 사용에는 TTS-1-1106이 권장됩니다.
ElevenLabs는 광범위한 음성 복제 및 감정 제어를 제공하지만 기본 티어에서 1,000자당 약 $0.03의 높은 문자당 비용이 듭니다. Azure Neural TTS는 OpenAI와 유사한 가격 책정(약 100만 자당 $15)을 가지며 100개 이상의 음성과 여러 언어를 지원합니다. TTS-1-1106은 음성 선택 폭이 더 작지만 API가 더 간단하고 지연 시간이 뛰어납니다. 사용자 정의 브랜드 음성이 필요하면 ElevenLabs나 Azure가 더 나은 선택이며, OrcaRouter를 통한 영어 전용, 저지연, 무마크업 액세스에는 TTS-1-1106이 강력합니다.
더 저렴한 TTS 대안이 존재할 수 있습니다 (예: espeak‑ng 또는 CPU에서 로컬로 실행되는 일부 오픈소스 모델) 하지만 일반적으로 자연스러움이 부족합니다. TTS-1-1106은 인프라 관리 없이 클라우드 규모의 고품질 저지연 음성 생성이 필요할 때 적합합니다. 비용이 중요한 매우 높은 볼륨의 경우 맞춤형 솔루션을 고려하세요. 앱에서 가끔씩만 음성이 필요하다면 TTS-1-1106의 토큰당 가격이 경쟁력 있습니다. 비영어 언어나 맞춤 음성의 경우 다른 모델이 더 비용 효율적일 수 있습니다.
TTS-1-1106의 주요 차별점은 속도(1초 미만 스트리밍)와 OrcaRouter를 통한 제로 마크업 제공입니다. 이 모델은 OpenAI 생태계의 일부이므로 이미 GPT 모델을 통합하고 있는 사용자는 동일한 API 키와 인프라를 사용할 수 있습니다. 6개의 사전 설정 음성은 일관되고 이해하기 쉽게 잘 조정되어 있습니다. 모델의 낮은 지연 시간은 대화형 AI에 이상적이며, 기본적인 SSML 지원을 통해 속도 조절이 가능합니다. 그러나 감정 표현 음성, 단어 수준 타임스탬프 또는 사용자 정의 음성 학습과 같은 고급 기능은 부족합니다. 이는 단순성과 속도를 위한 절충점입니다.
OpenAI 호환 — 쓰던 SDK 그대로
https://api.orcarouter.ai/v1response_formatspeedvoice| 100만 자당 | $15.00 |
|---|---|
| 통화 | USD |
| 이 모델은 토큰 단위로 과금되지 않습니다. 위 요금은 실제 측정 단위이며 정산도 이 기준으로 이루어집니다. | |
이번 주 개발자들의 이야기
@misc{orcarouter_tts_1_1106,
title = {openai/tts-1-1106 API},
author = {openai},
year = {n.d.},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/openai/tts-1-1106}
}openai. (n.d.). openai/tts-1-1106 API. OrcaRouter. https://www.orcarouter.ai/models/openai/tts-1-1106