OpenAI的GPT-4o-mini TTS模型用于文本到语音生成，通过OrcaRouter的兼容OpenAI的API访问。
openai/gpt-4o-mini-tts-2025-03-20 是OpenAI于2025年3月20日发布的文本转语音模型。它是完整版GPT-4o TTS模型更小、更高效的同类产品，针对更低成本和更快生成速度进行了优化。该模型仅接受文本输入并产生音频输出。通过OrcaRouter的兼容OpenAI API使用模型ID "openai/gpt-4o-mini-tts-2025-03-20"…
核心功能是将书面文本转换为语音音频。它支持多种语言（具体列表取决于底层GPT-4o的语言支持）。如果API支持语音参数，模型可以产生不同的声音或说话风格，尽管提供的资料中没有列出具体的语音名称。它专为实时或近实时生成而设计，适合交互式应用。该模型不能生成音乐或音效；它专注于自然语音。
如果您的 TTS 需求极为简单（例如单个固定短语），或者您正在运行离线处理，可以考虑使用本地运行的开源 TTS 模型，以零 API 成本实现。然而，对于需要一致质量和可扩展性的生产环境工作负载，mini TTS 模型已是成本较低的选项之一，每 100 万输入令牌仅需 0.60 美元。如果您的用例涉及生成极长音频且对质量要求较高，那么更大的 GPT-4o TTS 可能值得额外成本。
模型可以为任何文本生成音频，因此你可以通过拼接说话者标签和对话文本来模拟对话。然而，模型本身并没有原生多说话者模式，你需要添加语音标签或对音频进行后处理。对于真正的多说话者文本转语音（TTS），专用模型可能更合适。迷你TTS变体则针对直接的文本转语音转换进行了优化。
OrcaRouter的API支持流式响应，可以降低感知延迟。由于这是一个较小模型，推理速度通常比完整的GPT-4o TTS更快。具体延迟取决于网络条件和请求大小。对于实时应用，mini变体是一个可靠的选择。该模型不需要很长的预热时间；首次请求可能会有冷启动延迟，但后续调用会很快。
给定的信息中没有提供基准测试分数。通常，TTS模型通过自然度的平均意见得分（MOS）、词错误率和延迟来评估。作为迷你变体，该模型可能会牺牲一些自然度以换取速度和成本。用户可以期待清晰可懂的语音，适用于大多数应用，但可能不如大型模型富有表现力。如需具体的准确率指标，请参考OpenAI的文档或自行进行测试。
优势：成本低、生成速度快，通过OrcaRouter的OpenAI兼容API可轻松集成。它受益于与GPT-4o相同的底层语言理解能力，因此能很好地处理复杂句式和标点符号。局限性：不适用于高风险配音或商业音乐。不支持声音克隆或自定义语音训练。精简版本可能音色库较小，情感表达能力较弱。
OrcaRouter 提供了多种具有不同速度配置的模型。该 TTS 模型由于网络规模较小，属于速度较快的选项之一。然而，由于音频处理的原因，TTS 生成本质上比文本生成耗时更长。与标准 LLM 文本补全相比，此模型每个 token 的延迟更高。如果原始速度至关重要，请考虑使用流式传输和更轻量的 TTS 模型。
在部署前，使用目标语言、语音（如有多项）及典型文本长度对模型进行测试。通过 OrcaRouter 测量端到端延迟，包括网络往返时间。主观评估音频质量。将每字符或每秒音频的成本与预算进行比较。同时确认输出格式（如 WAV、MP3）是否受下游系统支持。
定价按token计算：输入token每100万0.60美元，输出token每100万12.00美元。输入token是您发送的文本。输出token是生成的音频token（模型的内部表示，而非音频时长）。OrcaRouter按提供商实际费率计费，不加价。您只需为使用的部分付费，无固定月费。若使用量较大，请注意输出token价格是输入token的20倍。
虽然每token的成本很低，但生成非常长的音频文件可能会迅速积累大量输出token。例如，以中等语速进行10分钟的独白可能会消耗数十万个输出token。务必根据预期的文本长度估算音频token用量。此外，来自OrcaRouter的网络传输费用（如有）是单独计算的。没有提到缓存折扣，但重复的相同请求可能仍会收费。
提供的事实并未说明OrcaRouter有任何缓存机制。一般来说，API网关可能会提供响应缓存，但这不是必然的。为了降低成本，您可以在客户端缓存重复文本的生成音频。如果OrcaRouter确实提供缓存，您可能会看到更低的延迟，但仍需按请求付费。详情请查阅OrcaRouter的文档。
自托管TTS模型涉及GPU计算、存储及维护成本。按每百万输出代币12美元计算，该模型在中低用量下具有成本效益。对于极高用量（每月数百万分钟），自托管可能更便宜。然而，您将失去OrcaRouter托管API的简便性以及即时扩展能力。请评估您的总拥有成本。
使用base_url为https://api.orcarouter.ai/v1的OpenAI兼容端点。将模型参数设置为"openai/gpt-4o-mini-tts-2025-03-20"。你发送一个标准的聊天补全请求，其中包含要朗读文本的用户消息。响应将包含生成的音频，通常以数据URI或base64编码字符串的形式呈现。请参考OpenAI的TTS API文档了解具体参数（语音、语速、格式）。OrcaRouter不会修改这些参数。
由于这是通过OpenAI的TTS API访问的，您可以设置语音（例如"alloy"、"echo"）、速度（浮点数）和响应格式（例如"wav"、"mp3"）。但是，提供的事实中并未列出该迷你变体支持哪些语音。通过发出样本请求来测试可用的语音。该模型只接受单个文本输入；系统消息将被忽略。确保您的API密钥有权访问OrcaRouter上的TTS模型。
如果您目前使用其他TTS API，可以通过将端点更改为 api.orcarouter.ai/v1 并更新模型ID来切换到该模型。请求格式与OpenAI的TTS API非常相似。如果您使用了特定的语音名称，可能需要调整。如果该模型不可用，OrcaRouter还支持回退模型。在进行全面迁移之前，请使用代表性样本进行测试。
OrcaRouter 返回标准的 HTTP 状态码。常见错误：400 表示请求格式错误，401 表示身份验证失败，429 表示请求频率受限，500 表示内部错误。对瞬时错误应实现指数退避策略。模型也可能因无效语音参数返回错误。请查看 OrcaRouter 的响应头以了解使用详情。务必制定备用方案（例如使用更简单的 TTS 模型），以防长时间宕机。
完整的GPT-4o TTS模型（如果可用）每个token的费用可能更高，但能提供更高质量、更具表现力的语音。mini版本牺牲了部分质量，换取更低的成本和更快的推理速度。如果你的应用能容忍稍差的自然度，mini版本是不错的选择。对于高端语音产品，完整模型可能值得多付成本。OrcaRouter同时提供两种选项，方便你随时切换。
开源模型如Coqui TTS或Piper可以完全离线运行，无需按使用付费。然而，它们需要大量的设置、维护和GPU资源，且质量参差不齐。OpenAI/OrcaRouter的mini TTS模型提供一致的质量，无需基础设施开销，并能自动扩展。对于低流量或分布式项目，API模型在便利性上胜出；对于高流量的离线处理，开源方案可能更便宜。
其他商业服务（例如 Google Cloud TTS、Amazon Polly）有不同的定价模式，通常是按字符或按秒计费。而此模型按 token 收费，这更难预测。通常，mini TTS 模型在标准质量的 TTS 方面具有价格竞争力。Voice palette 和语言支持可能有所不同。请用您的目标语言测试模型，以确保可接受的质量。OrcaRouter 提供单一 API 来访问多个提供商，使得比较更容易。
兼容 OpenAI——沿用你现有的 SDK
https://api.orcarouter.ai/v1instructionsresponse_formatspeedstream_formatvoice| 输入 / 1M tokens | $0.600 |
|---|---|
| 输出 / 1M tokens | $12.00 |
| 货币 | USD |
基于标价的估算
仅为估算——实际 Token 数取决于提供商的分词器。
本周开发者的讨论
@misc{orcarouter_gpt_4o_mini_tts_2025_03_20,
title = {openai/gpt-4o-mini-tts-2025-03-20 API},
author = {openai},
year = {n.d.},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/openai/gpt-4o-mini-tts-2025-03-20}
}openai. (n.d.). openai/gpt-4o-mini-tts-2025-03-20 API. OrcaRouter. https://www.orcarouter.ai/models/openai/gpt-4o-mini-tts-2025-03-20