OpenAI GPT-4o-mini TTS – 透過 OrcaRouter API 的輕量級文字轉語音模型
OpenAI GPT-4o-mini TTS 是一款文字轉語音模型，能將文字輸入轉換為語音音訊。它屬於 GPT-4o-mini 系列，相較於較大的 TTS 模型，提供更小、更快、更具成本效益的替代方案。此模型僅接受文字作為輸入，並即時生成音訊輸出。定價透明：每 100 萬個輸入代幣 0.60 美元，每 100 萬個輸出代幣 12.00 美元，OrcaRouter 不加收任何費用。此模型可透過…
該模型能從英文文本（以及可能根據OpenAI訓練資料支援的其他語言）合成語音。它會生成清晰易懂、語速與語調一致的語音。若API有提供，可透過`voice`或`speed`等參數調整輸出音訊品質。由於這是一個輕量模型，擅長快速生成簡短語句，正常情況下延遲低於一秒。可用於聊天機器人的即時語音、輔助科技，以及任何需要即時音訊回饋的應用。此模型不適合需要精確控制語調強調、情感表達或歌唱的任務。
GPT-4o-mini TTS 的最佳使用案例是那些優先考慮速度和成本、而非最高語音品質的場景。例如：(1) 對話式AI中，代理說話簡短回覆；(2) 朗讀通知、警報或狀態更新；(3) 無障礙功能，例如為簡單文字的網站或手機應用程式提供螢幕閱讀器；(4) 在開發期間原型設計語音介面以測試流程和延遲；(5) 為簡訊或電子郵件訊息生成音訊以便朗讀。在這些情境中，模型的低每個token成本和快速生成勝過其在表現力上的限制。
如果你的應用程式流量極高且將最低成本視為首要考量，可考慮使用其他提供商的更輕量TTS模型，其每次代幣（token）收費更低——但請注意，品質可能會下降。反之，若你的用戶期望豐富、逼真的語音，包含多種情緒、男聲/女聲或多語言支援，則可能需要更昂貴的模型（例如OpenAI的完整GPT-4o TTS或專用TTS模型）。GPT-4o-mini TTS的理想使用場景是當你需要平衡：中等良好的語音品質、快速推理與低花費。在正式採用前，請評估你對機械化語音輸出及必要延遲的容忍度。
雖然mini TTS變體並無官方發佈明確的最大輸入長度，但該模型源自支援高達128k tokens文本生成上下文的GPT-4o-mini。然而，TTS輸出通常受限於API對音訊生成的處理方式——過長的文字可能被截斷或需分塊處理。為確保可靠結果，建議將長文件分割成數百字為一段的段落，再合併產生的音訊片段。OrcaRouter API本身並未設定超出OpenAI定義的客製限制，因此建議以您常用的文字長度進行測試。
OpenAI 並未單獨公佈 GPT-4o-mini TTS 模型的具體基準測試分數。標準的文字轉語音評估指標，例如平均意見分數（MOS）或詞錯誤率（WER），並未對此變體公開揭露。一般而言，較輕量的文字轉語音模型其 MOS 分數往往低於較重且依賴特定說話者的系統。使用者應根據自己的內容主觀評估該模型的語音品質。缺乏已發佈的基準測試，意味著開發者必須依賴實證測試來判斷輸出是否可接受其使用情境。
GPT-4o-mini TTS 專為快速推論而設計。透過 OrcaRouter API 的典型使用情境下，針對短輸入（少於 50 個字詞）的首字節時間通常低於 500 毫秒，但實際情況取決於網路條件與伺服器負載。對於較長的輸入，處理時間大致與輸入長度成線性比例。此模型輕量化的架構使其能夠有效處理並行請求，因此適用於即時應用。請注意，總延遲還包括網路往返時間以及應用程式內部的任何預處理。為獲得最佳體驗，請確保您的伺服器地理位置靠近 OrcaRouter 的端點。
其主要優勢在於低成本與高速。每百萬輸入token收費$0.60，每百萬輸出token收費$12.00，是OrcaRouter提供的最實惠TTS模型之一。由於採用相同的GPT-4o-mini底層技術，它具備豐富的語言理解能力，有助於生成語法正確且節奏自然的語音。該模型可透過與OpenAI相容的API輕鬆整合，無需特殊函式庫。其小巧的體積也意味著更低的延遲與更少的運算負擔，即使在負載下也能維持穩定的效能。
主要的限制在於語音品質。與較大的TTS模型相比，GPT-4o-mini TTS聽起來更為合成，情感變化較少，自然韻律也較差。它可能難以處理不常見的名字、專業術語或口音。此模型並非設計用於歌唱或富有表現力的旁白。此外，該模型目前僅使用單一預設語音（或有限的幾種），且可能不像某些專門的TTS引擎那樣支援對音高、速度或語調進行精細控制。對於要求高度真實感的應用，建議使用更先進的模型。同時，該模型的語言支援主要以英語為主；其他語言可能未經全面最佳化。
定價很簡單：每100萬個輸入Token收費0.60美元，每100萬個輸出Token收費12.00美元。輸入與輸出皆以Token計量。輸入Token代表您發送的文字，而輸出Token則代表生成的音訊（根據內部映射轉換為Token）。相較於供應商的費率，OrcaRouter完全零加成，直接轉嫁成本。無需額外的API呼叫費用，也無訂閱分級。您只需為實際用量付費，計費依據API回應中所回報的Token數量。由於每次生成的結果都是獨一無二的，因此文字轉語音輸出不提供快取功能。
主要的权衡在於成本與品質之間。GPT-4o-mini TTS 比大型 TTS 模型便宜許多。例如，OpenAI 完整的 GPT-4o TTS 每 token 的成本可能高出數倍。然而，較便宜的模型會產生較不自然的語音。如果你的應用只需要基本的語音（例如朗讀簡單的確認訊息），那麼節省成本是合理的。但對於語音品牌或面對客戶的應用，語音品質會直接反映在你的產品上，那麼花更多錢購買高階模型可能值得。此外，較長的文本會放大成本差異——務必估算你每個月的輸出 token 數量，以做出明智的選擇。
OrcaRouter 不實作 TTS 輸出的快取功能，因為每個文字輸入都會生成獨特的音訊檔案；快取相同的請求理論上可以節省成本，但並不支援此功能。沒有批量折扣或分級定價，無論使用量多寡，每 Token 的費率都是固定的。對於非常高的使用量，您或許可以考慮直接與 OpenAI 簽約以取得可能的批量價格，但透過 OrcaRouter 的費率仍按規定維持不變。零加成政策意味著您支付的費用正好是供應商成本，因此使用 OrcaRouter 閘道並不會產生任何溢價。
要使用此模型，請將您的 API 端點設為 https://api.orcarouter.ai/v1，並將模型 ID 指定為 "openai/gpt-4o-mini-tts"。您必須提供來自 OrcaRouter 帳戶的有效 API 金鑰。此 API 遵循 OpenAI 音頻端點格式：向 /v1/audio/speech 發送 POST 請求，其中包含模型參數、輸入文字以及所需的輸出選項（例如 voice、response_format）。例如，使用 curl：curl https://api.orcarouter.ai/v1/audio/speech -H "Authorization: Bearer YOUR_KEY" -H "Content-Type: application/json" -d '{"model":"openai/gpt-4o-mini-tts","input":"Hello, this is a test.","voice":"alloy","response_format":"mp3"}'。
该终端接受与OpenAI TTS API一致的参数：(1) `model`（必填）– 设置为"openai/gpt-4o-mini-tts"；(2) `input`（必填）– 要朗读的文本；(3) `voice`（可选）– 预设的OpenAI语音之一，例如"alloy"、"echo"、"fable"、"onyx"、"nova"或"shimmer"；(4) `response_format`（可选）– 选择音频格式："mp3"、"opus"、"aac"、"flac"或"pcm"；(5) `speed`（可选）– 一个介于0.25到4.0之间的浮点数，用于调整语速。迷你模型可能不完全支持所有参数；请逐一测试。如果某个参数不受支持，API可能会忽略它或返回错误。
如果您已經在使用 OpenAI 的 TTS API，遷移過程非常直接。只需將基礎網址更改為 https://api.orcarouter.ai/v1，並將模型識別碼更新為 "openai/gpt-4o-mini-tts"。只要您擁有 OrcaRouter API 金鑰並已在帳戶中啟用該模型，您現有的建立語音音訊請求的程式碼無需其他修改即可運作。如果您之前使用其他提供商或自訂的 TTS 引擎，則需要調整請求格式以符合 OpenAI 的架構。OrcaRouter 不需要任何特殊的 SDK；標準的 OpenAI 用戶端程式庫在配置新的基礎網址和金鑰後即可正常使用。
OrcaRouter 採用與 OpenAI 自家 API 相同的速率限制，但具體限制可能因方案而異。你可以在帳戶儀表板查看當前限制。除了維持公平使用所必要的限制外，OrcaRouter 不會施加額外的速率限制。若需高吞吐量，請考慮在限制範圍內以並發方式發送請求。請注意，模型按 Token 計費；發送過長的文字會產生更高的輸出 Token 成本。建議隨時監控使用量，避免意外收費。若遇到錯誤，請確認你的 API 金鑰、請求格式以及模型 ID 是否正確輸入。
完整的 GPT-4o TTS 模型更大、更慢、也更昂貴，但能提供更高的語音品質、更佳的情感變化以及更廣泛的語言支援。GPT-4o-mini TTS 則在一定程度上犧牲了真實感，換來更快的速度與更低的成本。如果你正在執行一個高流量的應用程式，每一毫秒都至關重要且預算有限，那麼 mini 變體會是較佳的選擇。反之，對於面對客戶的語音代理，當語音需反映品牌個性時，高階模型則值得額外花費。在以基準測試為導向的評估中，完整模型通常在聽力測試中獲得較高分數，儘管官方並未公布任何數據。
相較於其他供應商的專用TTS模型（例如 Amazon Polly、Google Cloud TTS、Microsoft Azure TTS），GPT-4o-mini TTS 的優勢在於與 OpenAI 生態系統的深度整合以及一致的 API。然而，專用 TTS 模型通常提供更多語音選項、對韻律和發音的更精細控制，以及在特定語言上的更高自然度。另一方面，那些供應商可能具有更高的按字符或按秒計費的成本。GPT-4o-mini TTS 是一個良好的折中方案：它價格低廉、速度快且易於使用，但在自訂性上不如專用的 TTS 引擎。
像 Tacotron、FastSpeech 或 Coqui TTS 這類開源 TTS 模型可以在自己的硬體上執行，有可能省去每次 token 費用並提供完整控制權。然而，它們需要大量的基礎設施、維護和專業知識才能調整。透過 OrcaRouter 使用的 GPT-4o-mini TTS 是一種無伺服器方案，具有可預測的定價和最少的設定。如果您有專門的團隊且使用量大，長期來看開源可能更便宜。但對大多數開發者而言，基於 API 的易用性以及 GPT-4o-mini TTS 提供的品質，勝過自架主機所需的成本與努力。
使用OrcaRouter時，您的文字輸入會傳送至OpenAI的伺服器進行處理。OpenAI的資料政策適用；除非您選擇加入，否則他們不會使用API資料來訓練模型。其他TTS提供者也有類似政策。對於敏感內容，自託管的開源模型能提供最高程度的控制。OrcaRouter本身不會在請求處理期間之外儲存您的音訊或文字。在受監管環境中部署此模型前，請務必審閱OpenAI的隱私條款以及您自身的合規要求。
相容 OpenAI——沿用你現有的 SDK
https://api.orcarouter.ai/v1instructionsresponse_formatspeedstream_formatvoice| 輸入 / 1M tokens | $0.600 |
|---|---|
| 輸出 / 1M tokens | $12.00 |
| 貨幣 | USD |
基於標價的估算
僅為估算——實際 Token 數取決於供應商的分詞器。
本週開發者的討論
@misc{orcarouter_gpt_4o_mini_tts,
title = {openai/gpt-4o-mini-tts API},
author = {openai},
year = {n.d.},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/openai/gpt-4o-mini-tts}
}openai. (n.d.). openai/gpt-4o-mini-tts API. OrcaRouter. https://www.orcarouter.ai/models/openai/gpt-4o-mini-tts