OpenAI’s TTS-1-1106 text-to-speech model, toegankelijk via OrcaRouter tegen nul markup met real-time streaming.
openai/tts-1-1106 is een tekst-naar-spraakmodel dat in november 2023 door OpenAI is uitgebracht. Het gebruikt een neuraal netwerk om spraak te genereren vanuit platte tekst, gericht op natuurlijke…
Het model ondersteunt voornamelijk Engelstalige tekst, maar kan tekst in andere talen die het Latijnse alfabet gebruiken verwerken met wisselende mate van natuurlijkheid. OpenAI heeft geen uitputtende lijst van ondersteunde talen gepubliceerd, maar algemeen bekende gebruikerservaringen bevestigen sterke prestaties voor Engels, Spaans, Frans, Duits, Italiaans, Portugees en Japans (wanneer geschreven in Latijns schrift). Voor niet-Latijnse schriften zoals Chinees of Arabisch kan de uitvoerkwaliteit afnemen. Gebruikers dienen hun doeltaal te testen als deze buiten de gangbare set valt.
Zes vooraf ingestelde stemmen zijn beschikbaar: alloy, echo, fable, onyx, nova en shimmer. Elke stem heeft een kenmerkende toon en genderpresentatie (bijvoorbeeld alloy is neutraal, echo is mannelijk, fable is jeugdig, onyx is diep, nova is warm, shimmer is helder). De stem wordt geselecteerd door de voice-parameter in het verzoek in te stellen. Er is geen mogelijkheid tot het klonen van aangepaste stemmen of fijnafstemming; u moet uit deze zes kiezen. Voor projecten die een consistente merkstem vereisen, kan het nodig zijn om te evalueren welke voorinstelling het beste past bij de beoogde persoonlijkheid.
Ja, TTS-1-1106 ondersteunt streaming via server-sent events (SSE). Door de streamparameter op true te zetten, retourneert de API audiogegevens als een reeks chunks, die elk een deel van de gegenereerde spraak bevatten. Hierdoor kunnen clients bijna onmiddellijk beginnen met afspelen, wat de waargenomen latentie minimaliseert. Streaming is met name nuttig voor conversationele interfaces waar gebruikers directe verbale feedback verwachten. Merk op dat streaming de totale bandbreedte-overhead enigszins kan verhogen, maar de end‑to‑end vertraging is aanzienlijk lager dan wachten op een volledige reactie.
TTS-1-1106 heeft verschillende bekende beperkingen. Ten eerste kan het niet betrouwbaar zang of niet-spraakgeluiden (bijv. lachen, huilen) produceren. Ten tweede ondersteunen de vooraf ingestelde stemmen geen emotionele expressie—de toon blijft consistent ongeacht de inhoud. Ten derde is de maximale invoertekstlengte ongeveer 4096 tekens; langere inhoud moet worden opgesplitst in meerdere verzoeken en samengevoegd. Ten vierde is er geen omgang met achtergrondgeluid; het model verwacht schone invoertekst. Ten slotte kunnen de prestaties voor andere talen dan Engels inconsistent zijn. Overweeg voor meertalige behoeften van hoge kwaliteit gespecialiseerde modellen.
TTS-1-1106 bereikt bijna-menselijke natuurlijkheid voor korte tot middellange Engelse zinnen. De neurale architectuur produceert vloeiende prosodie, passende frasering en minimale robotachtige artefacten. Onafhankelijke evaluaties (niet vermeld in de gegeven feiten) plaatsen het over het algemeen bij de beste algemene TTS-modellen die beschikbaar zijn via commerciële API's. Zeer lange teksten kunnen echter af en toe onnatuurlijke pauzes of verkeerd beklemtoonde lettergrepen vertonen. Over het algemeen is de uitvoer voor de meeste conversatie- en vertelscenario's overtuigend natuurlijk.
Latentie varieert met invoerlengte en netwerkomstandigheden, maar TTS-1-1106 is geoptimaliseerd voor lage end‑to‑end vertraging. Een typisch verzoek van 100–200 tekens levert het eerste audioblok onder 500 ms op bij streaming. De volledige responstijd voor een invoer van 1000 tekens is meestal onder 2 seconden. Deze cijfers zijn afhankelijk van OrcaRouter’s netwerk- en serverbelasting. Streaming vermindert de waargenomen latentie aanzienlijk omdat de weergave kan starten voordat de volledige audio is gegenereerd. Voor real‑time toepassingen wordt streaming sterk aanbevolen.
Vergeleken met oudere TTS-modellen zoals Tacotron of WaveNet biedt TTS-1-1106 snellere inferentie en eenvoudigere integratie via een REST API. Het evenaart of overtreft over het algemeen de kwaliteit van cloud-TTS van Amazon Polly (neurale stemmen) en Google Cloud Text-to-Speech (WaveNet-stemmen) op standaard Engelse spraakvoorbeelden. Het blijft achter bij gespecialiseerde modellen van ElevenLabs op het gebied van emotioneel bereik en aangepaste stemklonen. Wat kosten betreft, is TTS-1-1106 concurrerend geprijsd op $15 per 1M invoer-/uitvoertokens (met nul opslag op OrcaRouter), wat neerkomt op ongeveer $0.015 per 1K karakters invoer. Dit is vergelijkbaar met de neurale TTS-niveaus van Azure.
De belangrijkste afwegingen zijn de beperkte stemselectie (geen aanpassingsmogelijkheden) en de invoerlimiet van 4096 tekens. Gebruikers die een merkspecifieke stem nodig hebben, moeten een van de zes voorinstellingen kiezen. Bovendien accepteert het model geen SSML-tags voor gedetailleerde controle over uitspraak of nadruk, behalve de basiselementen van SSML-prosodie. Het ondersteunt ook geen meerstemmige dialoog in één enkele aanvraag—elke aanvraag produceert één stem. Voor dialoog moet u afzonderlijke aanvragen met verschillende stemparameters verzenden en de audio aan de clientzijde samenvoegen.
Prijzen zijn gebaseerd op tokens—zowel invoer als uitvoer—tegen een vast tarief van $15,00 per 1.000.000 tokens. Eén token komt ruwweg overeen met 0,75 karakters Engelse tekst voor invoer, en uitvoertokens worden geteld als het equivalente aantal gegenereerde audiofragmenten (eveneens tegen $15/1M tokens). Er is geen extra toeslag; OrcaRouter geeft het tarief van de provider exact door. Dit prijsmodel betekent dat de kosten lineair schalen met de hoeveelheid verwerkte tekst en geproduceerde audio. Voor een typische invoer van 1000 karakters is de totale kost ongeveer $0,02 (invoer) + $0,02 (uitvoer) = $0,04 per verzoek.
Streaming zelf verandert de prijs per token niet; u betaalt voor hetzelfde aantal tokens, ongeacht of het antwoord wordt gestreamd of als één blok wordt geleverd. Het cachen van herhaalde verzoeken aan de clientzijde kan kosten besparen door dubbele API-aanroepen te vermijden. OrcaRouter biedt geen server-side caching voor TTS-antwoorden. Als uw applicatie vaak dezelfde tekst genereert (bijv. een standaardbegroeting), moet u de audio vooraf genereren en lokaal cachen om de kosten te minimaliseren. Er zijn geen volumekortingen of getrapte prijzen; het tarief is vast per token.
Overweeg een chatbot die berichten van 500‑tekens voorleest. Elk bericht zou kosten: invoer: 500 tekens ≈ 667 tokens → ~$0,01; uitvoer: eveneens ~$0,01; totaal ~$0,02 per bericht. Bij 10.000 berichten per maand is dat $200. Voor een audioboek van 50.000 woorden (≈350.000 tekens invoer), zouden de kosten grofweg zijn: invoer $0,07, uitvoer $0,07 → $0,14 in totaal voor het boek. Houd er echter rekening mee dat het aantal uitvoertokens hoger kan zijn vanwege audio-encoding; de werkelijke kosten kunnen verdubbelen. Test altijd een voorbeeld en gebruik de exacte tokenaantallen die door de API worden geretourneerd om nauwkeurig te budgetteren.
Nee. OrcaRouter rekent exact dezelfde prijs als de onderliggende provider (OpenAI) voor TTS-1-1106: $15 per 1 miljoen invoertokens en $15 per 1 miljoen uitvoertokens. Er zijn geen extra kosten voor het gebruik van de OrcaRouter-gateway. Deze transparante prijsstelling stelt ontwikkelaars in staat om OpenAI’s TTS-model te gebruiken zonder enige kostenstijging ten opzichte van het direct gebruiken van OpenAI’s eigen API. Je betaalt alleen voor het tokenverbruik, en OrcaRouter voegt geen extra toeslagen toe.
U roept het model aan via het standaard OpenAI-compatibele chatcompletions-eindpunt op basis-URL https://api.orcarouter.ai/v1. Stel de modelparameter in op "openai/tts-1-1106". De aanvraagtekst vereist een invoerveld met de tekst die u wilt converteren, en optionele velden zoals voice, response_format en speed (voor afspeelsnelheid). Authenticatie gebeurt via een API-sleutel in de Authorization-header. Voorbeeld met curl: 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.
Belangrijke requestparameters zijn: model (verplicht, ingesteld op "openai/tts-1-1106"), input (string, de tekst om te spreken), voice (string, een van alloy, echo, fable, onyx, nova, shimmer), response_format ("mp3" of "opus", standaard mp3), speed (float, standaard 1.0; bereik volgens OpenAI 0.25 tot 4.0), en stream (boolean, standaard false). Extra optionele parameters zijn user, conform OpenAI-conventies. Niet ondersteund: functions, tools of logprobs. Voor streaming: stel stream: true in, en de respons zal een reeks SSE-events met audiodata zijn.
De minimaal vereiste velden zijn model en input. Het model moet exact 'openai/tts-1-1106' zijn. Het inputveld moet een niet-lege tekenreeks zijn (tot ~4096 tekens). Als je voice weglaat, gebruikt de API standaard alloy. Als je response_format weglaat, is de standaard mp3. Het verzoek moet als JSON via HTTPS worden verzonden. OrcaRouter vereist een geldige API-sleutel in de Authorization-header met het Bearer-schema. Het is niet nodig om de parameter text_type op te geven; platte tekst wordt aangenomen.
Als u momenteel OpenAI's eigen API-eindpunt gebruikt voor TTS-1-1106, vereist het migreren naar OrcaRouter alleen het wijzigen van de basis-URL van https://api.openai.com/v1 naar https://api.orcarouter.ai/v1, en het bijwerken van de API-sleutel naar uw OrcaRouter-sleutel. De model-ID moet worden voorafgegaan door openai/ (d.w.z. gebruik "openai/tts-1-1106" in plaats van alleen "tts-1-1106"). Alle andere parameters (input, voice, response_format, enz.) blijven hetzelfde. Er zijn geen codeaanpassingen nodig behalve het eindpunt en de sleutel. De prijzen blijven identiek, met nul opslag.
OpenAI biedt ook TTS-1 (de originele) en TTS‑1‑HD. TTS-1-1106 is een iteratie die is geoptimaliseerd voor lagere latentie en streaming, terwijl TTS‑1‑HD hogere kwaliteit biedt ten koste van snelheid. TTS-1-1106 ondersteunt dezelfde zes stemmen en prijspunt. In vergelijking met het oudere TTS-1-model heeft TTS-1-1106 een verbeterde natuurlijkheid en minder artefacten, vooral bij langere uitingen. Voor toepassingen waar audiokwaliteit van het grootste belang is en latentie minder kritisch, kan TTS‑1‑HD de voorkeur hebben; anders is TTS-1-1106 de aanbevolen keuze voor interactief gebruik.
ElevenLabs biedt uitgebreide stemkloning en emotionele controle aan, maar tegen hogere kosten per teken (ongeveer $0.03 per 1K tekens voor hun basistier). Azure Neural TTS heeft vergelijkbare prijzen als OpenAI (ongeveer $15 per 1M tekens) en ondersteunt meer dan 100 stemmen en meerdere talen. TTS-1-1106 heeft een kleinere stemselectie maar een eenvoudigere API en uitstekende latentie. Als u een aangepaste merkstem nodig heeft, zijn ElevenLabs of Azure beter; voor Engelstalige, lage latentie, nul markup-toegang via OrcaRouter, is TTS-1-1106 sterk.
Er kunnen goedkopere TTS-alternatieven bestaan (bijv. espeak‑ng of enkele opensource-modellen die lokaal op de CPU draaien), maar die missen meestal natuurlijkheid. TTS-1-1106 is geschikt wanneer u spraakgeneratie op cloudschaal, van hoge kwaliteit en met lage latentie nodig heeft zonder dat u de infrastructuur hoeft te beheren. Overweeg een aangepaste oplossing voor zeer grote volumes waar de kosten kritiek zijn. Als uw app slechts af en toe spraak nodig heeft, is de prijs per token van TTS-1-1106 concurrerend. Voor niet-Engelse talen of aangepaste stemmen kunnen andere modellen kosteneffectiever zijn.
TTS-1-1106’s belangrijkste onderscheidende kenmerken zijn de snelheid (sub-seconde streaming) en de beschikbaarheid zonder opslag via OrcaRouter. Het maakt deel uit van het OpenAI-ecosysteem, dus gebruikers die al GPT-modellen integreren, kunnen dezelfde API-sleutel en infrastructuur gebruiken. De zes vooraf ingestelde stemmen zijn consistent en goed afgestemd op verstaanbaarheid. De lage latentie van het model maakt het ideaal voor conversationele AI, terwijl de SSML-ondersteuning (basis) enige controle over de spreeksnelheid mogelijk maakt. Het mist echter geavanceerde functies zoals emotionele spraak, woordniveau-tijdstempels of aangepaste stemtraining – dit zijn afwegingen voor de eenvoud en snelheid.
OpenAI-compatibel — behoud je huidige SDK
https://api.orcarouter.ai/v1response_formatspeedvoice| per 1 mln tekens | $15.00 |
|---|---|
| Valuta | USD |
| Dit model wordt niet per token afgerekend. Het tarief hierboven geldt voor de eenheid die daadwerkelijk wordt gemeten en die ook wordt afgeschreven. | |
Waar ontwikkelaars het deze week over hebben
GET /api/public/models/openai/tts-1-1106Openen @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