OpenAI TTS-1 HD 1106: chuyển văn bản thành giọng nói độ nét cao thông qua API tương thích với OpenAI của OrcaRouter
Mô hình openai/tts-1-hd-1106 là một mô hình chuyển văn bản thành giọng nói từ OpenAI, cụ thể là biến thể độ nét cao được phát hành vào tháng 11 năm 2023. Nó chuyển đổi văn bản thành âm thanh tự nhiên…
Mô hình openai/tts-1-hd-1106 được thiết kế để tạo ra âm thanh đầu ra chất lượng cao. Nó tạo ra giọng nói tự nhiên với ngữ điệu và cảm xúc tốt. Mô hình hỗ trợ nhiều giọng nói (theo như OpenAI cung cấp) và cho phép điều chỉnh tốc độ cũng như tốc độ lấy mẫu. Đầu ra thường là âm thanh 24kHz hoặc 48kHz tùy theo cấu hình. Điều này khiến nó phù hợp cho các ứng dụng chuyên nghiệp như sản xuất phương tiện truyền thông.
Các ứng dụng tối ưu bao gồm tạo giọng thuyết minh cho video, tạo lời kể cho sách nói, xây dựng giao diện giọng nói trong ứng dụng và thêm đầu ra giọng nói cho các công nghệ hỗ trợ. Chất lượng độ phân giải cao đặc biệt có giá trị khi đầu ra được người dùng cuối nghe trong các tình huống hướng tới khách hàng. Đối với thử nghiệm nội bộ hoặc nguyên mẫu có độ trung thực thấp, hãy cân nhắc các lựa chọn thay thế chi phí thấp hơn.
Nếu trường hợp sử dụng của bạn không yêu cầu âm thanh độ trung thực cao—ví dụ: các tín hiệu cảnh báo đơn giản, các câu nói rất ngắn hoặc ghi nhật ký nội bộ—thì mô hình TTS chi phí thấp hơn có thể tiết kiệm hơn. Mức giá $30 cho mỗi 1 triệu token áp dụng cho cả đầu vào và đầu ra, vì vậy việc tạo nhiều clip ngắn có thể tích lũy nhanh chóng. Đối với sản xuất ở quy mô lớn, hãy đánh giá các yêu cầu về chất lượng và ngân sách của bạn.
Có, OpenAI cung cấp một số giọng nói mặc định cho mô hình này (ví dụ: alloy, echo, fable, onyx, nova, shimmer). Bạn có thể chọn giọng nói qua các tham số API. Ngoài ra, bạn có thể điều chỉnh tốc độ (0.5x đến 2.0x), tốc độ lấy mẫu và định dạng đầu ra. Mô hình không hỗ trợ nhân bản giọng nói tùy chỉnh hoặc tinh chỉnh. OrcaRouter chuyển các tham số này đến OpenAI mà không sửa đổi.
Mặc dù điểm benchmark cụ thể cho openai/tts-1-hd-1106 không được cung cấp trong dữ liệu hiện có, nhưng nó được công nhận rộng rãi là mô hình TTS chất lượng cao nhất của OpenAI tính đến ngày phát hành (tháng 11 năm 2023). Mô hình này nằm trong số các mô hình hàng đầu về độ tự nhiên và rõ ràng trong các đánh giá nội bộ. Để biết hiệu suất khách quan, hãy tham khảo tài liệu của OpenAI và các đánh giá từ bên thứ ba.
Độ trễ phụ thuộc vào độ dài của văn bản đầu vào và định dạng âm thanh được chọn. Nhìn chung, mô hình trả về âm thanh trong vòng vài giây đối với đầu vào ngắn (ví dụ: 100 ký tự). Các văn bản dài hơn có thể mất thời gian tương ứng lâu hơn. OrcaRouter không gây thêm chi phí đáng kể ngoài thời gian phản hồi của nhà cung cấp. Truyền phát trực tuyến có thể giảm độ trễ cảm nhận cho các ứng dụng thời gian thực.
Mô hình bị giới hạn ở chức năng chuyển văn bản thành giọng nói, không hỗ trợ hội thoại bằng giọng nói hoặc kiểm soát cảm xúc ngoài những gì lựa chọn giọng nói cung cấp. Nó không thể tạo ra âm thanh nền hoặc nhạc. Chất lượng đầu ra có thể giảm khi gặp cách phát âm bất thường, từ đồng âm hoặc từ nước ngoài. Ngoài ra, mô hình có độ dài đầu vào tối đa (thường là 4096 ký tự). Đối với văn bản rất dài, hãy phân đoạn đầu vào.
Giá là $30,00 cho mỗi 1 triệu token đầu vào và $30,00 cho mỗi 1 triệu token đầu ra. Token đầu vào tính văn bản bạn cung cấp. Token đầu ra tính các token âm thanh được tạo ra. Cả hai đều được tính phí theo cùng một mức giá. Không có phí theo phút hay theo ký tự; việc token hóa được xử lý bởi OpenAI. OrcaRouter không thêm phí chênh lệch, vì vậy bạn phải trả chính xác mức giá công bố của OpenAI.
Giá được cung cấp là mức giá tiêu chuẩn thông qua OrcaRouter. Không có giảm giá theo số lượng hoặc giá đã lưu trữ nào được đề cập trong các thông tin có sẵn. Bạn có thể giảm chi phí bằng cách tối ưu hóa độ dài văn bản đầu vào—các lời nhắc ngắn hơn tạo ra ít token đầu ra hơn. Đối với việc sử dụng quy mô lớn, hãy cân nhắc đàm phán trực tiếp với OpenAI, mặc dù OrcaRouter không cung cấp các mức giá riêng.
Với mức giá $30 cho mỗi 1M token cho cả đầu vào và đầu ra, mô hình này có giá cao hơn nhiều mô hình TTS tiêu chuẩn. Ví dụ, mô hình tts-1 tiêu chuẩn của OpenAI có giá $15 cho mỗi 1M đầu vào và $15 cho mỗi 1M đầu ra. Biến thể HD có giá cao hơn để đạt chất lượng tốt hơn. OrcaRouter chuyển tiếp các mức giá của nhà cung cấp này mà không tính thêm phí, vì vậy chênh lệch chi phí cũng giống như khi sử dụng trực tiếp OpenAI.
Số lợi nhuận bằng không có nghĩa là OrcaRouter không thêm bất kỳ khoản phí nào vào giá mỗi token của nhà cung cấp. Chi phí của bạn chính xác là mức giá của OpenAI: $30 cho mỗi 1M token đầu vào và $30 cho mỗi 1M token đầu ra. Không có phụ phí nền tảng, chi phí ẩn hoặc ngưỡng sử dụng. Các khoản phí duy nhất là do việc sử dụng token theo giá công bố của nhà cung cấp.
Sử dụng API tương thích với OpenAI tại https://api.orcarouter.ai/v1. Đặt tham số model thành "openai/tts-1-hd-1106". Cung cấp văn bản đầu vào theo định dạng tin nhắn chuẩn (ví dụ: role: user, content: your text). Các tham số dành riêng cho TTS (như voice, speed, response_format) có thể được bao gồm trong phần thân yêu cầu. OrcaRouter chuyển tiếp yêu cầu đến OpenAI và trả về phản hồi âm thanh. Xem tài liệu API TTS của OpenAI để biết chi tiết đầy đủ về tham số.
Bạn có thể đặt các tham số giống như API OpenAI TTS: input (chuỗi), model ("openai/tts-1-hd-1106"), voice (chuỗi từ các giọng khả dụng), speed (số 0.5–2.0), response_format (ví dụ: "mp3", "opus", "aac", "flac", "wav") và sample_rate. Đưa chúng vào phần thân JSON của một yêu cầu POST đến endpoint chat/completions. OrcaRouter giữ nguyên tất cả các tham số và không thay đổi chúng.
Có, bạn có thể sử dụng tính năng streaming bằng cách đặt tham số stream thành true trong yêu cầu API của mình. Mô hình sẽ trả về các chunk âm thanh khi chúng được tạo, điều này hữu ích cho các ứng dụng thời gian thực. OrcaRouter hỗ trợ streaming mà không cần cấu hình thêm. Đảm bảo client của bạn xử lý các phản hồi chunk một cách phù hợp, như tiêu chuẩn cho các endpoint streaming tương thích với OpenAI.
Thay thế URL API cơ sở của bạn thành https://api.orcarouter.ai/v1 và cập nhật mã định danh mô hình thành "openai/tts-1-hd-1106". Khóa API OpenAI hiện tại của bạn sẽ không hoạt động; bạn cần một khóa API OrcaRouter. Định dạng phần thân yêu cầu vẫn giữ nguyên. Không cần thay đổi mã nào khác. Điểm cuối của OrcaRouter được thiết kế để thay thế trực tiếp cho những ai quen thuộc với SDK OpenAI.
Cả hai mô hình đều đến từ OpenAI. Biến thể HD (tts-1-hd-1106) tạo ra chất lượng âm thanh cao hơn với ngữ điệu tự nhiên và rõ ràng hơn so với tts-1 tiêu chuẩn (có giá $15 mỗi 1 triệu token mỗi chiều). Mô hình HD có giá gấp đôi mỗi token. Sự lựa chọn phụ thuộc vào yêu cầu chất lượng của bạn; đối với sử dụng thông thường, mô hình tiêu chuẩn có thể đáp ứng. Đối với sản xuất chuyên nghiệp, HD được khuyến nghị.
So với các nhà cung cấp như Amazon Polly, Google Cloud Text-to-Speech hoặc Microsoft Azure Speech, mô hình openai/tts-1-hd-1106 có tính tự nhiên cạnh tranh nhưng thường có giá cao hơn trên mỗi ký tự. Mô hình này vượt trội về khả năng biểu cảm và dễ dàng tích hợp thông qua API tương thích với OpenAI. Tuy nhiên, các nhà cung cấp khác cung cấp nhiều giọng nói hơn, hỗ trợ ngôn ngữ tốt hơn và khả năng tạo giọng nói tùy chỉnh. Hãy đánh giá dựa trên nhu cầu cụ thể của bạn về ngôn ngữ, chất lượng và ngân sách.
Các mô hình nguồn mở như Tacotron, FastSpeech, hoặc Tortoise yêu cầu thiết lập và có thể không đạt được chất lượng đầu ra của mô hình HD của OpenAI. Mô hình được lưu trữ mang lại sự tiện lợi, độ tin cậy và chất lượng cao mà không cần quản lý hạ tầng. Tuy nhiên, các mô hình nguồn mở có thể miễn phí chi phí nếu tự lưu trữ, nhưng sẽ phát sinh chi phí tính toán. Đối với các dự án nhỏ, nguồn mở có thể rẻ hơn; đối với sản xuất yêu cầu chất lượng nhất quán, mô hình HD là một lựa chọn mạnh mẽ.
Tương thích OpenAI — giữ nguyên SDK bạn đang dùng
https://api.orcarouter.ai/v1response_formatspeedvoice| Đầu vào / 1M tokens | $30.00 |
| Đầu ra / 1M tokens | $30.00 |
| Tiền tệ | USD |
Ước tính theo giá niêm yết
Chỉ là ước tính — số token thực tế phụ thuộc vào bộ tách token của nhà cung cấp.
GET /api/public/models/openai/tts-1-hd-1106Mở @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