OpenAI的GPT-4o-mini TTS模型用於文字轉語音生成，透過OrcaRouter的相容OpenAI的API進行存取。
openai/gpt-4o-mini-tts-2025-03-20 是 OpenAI 推出的文字轉語音模型，於 2025 年 3 月 20 日發布。它是完整版 GPT-4o TTS 模型的小型化且更高效的兄弟版本，專為降低成本與加速生成而最佳化。該模型僅接受文字輸入，並輸出音訊。使用者可透過 OrcaRouter 的 OpenAI 相容 API，使用模型 ID…
核心能力是將書面文字轉換為語音音頻。它支援多種語言（確切語言列表取決於底層GPT-4o的語言支援範圍）。若API支援語音參數，模型可產生不同的聲音或說話風格，但所提供的資料中未列出特定聲音名稱。其設計用於即時或近乎即時的生成，因此適合互動式應用。此模型無法生成音樂或音效，專注於自然語音。
若您的TTS需求極為簡單（例如單一固定短語），或您正在進行離線處理，可考慮使用本地運行的開源TTS模型以實現零API成本。然而，對於需要一致品質與可擴展性的生產工作負載，mini TTS模型已是成本較低的選項之一，價格為每100萬輸入Tokens 0.60美元。若您的使用場景涉及高品質要求的超長音頻生成，則較大的GPT-4o TTS可能值得額外成本。
此模型可為任何文字生成音訊，因此您可以透過串接說話者標籤與對話文本來模擬對話。不過，模型本身並無原生的多說話者模式；您需要加入語音標籤或對音訊進行後處理。若要實現真正的多說話者 TTS，使用專用模型可能更佳。mini TTS 變體則針對直接的文字轉語音轉換進行了最佳化。
OrcaRouter的API支援串流回應，可降低感知延遲。由於這是一個較小的模型，推論速度通常比完整的GPT-4o TTS更快。實際延遲取決於網路狀況與請求大小。對於即時應用程式而言，迷你版本是穩健的選擇。該模型無需長時間預熱；首次請求可能會有冷啟動延遲，但後續呼叫速度很快。
提供的资料中未提供任何基準評分。一般來說，TTS模型會以自然度的平均意見分數（MOS）、字錯誤率及延遲來評估。作為迷你變體，此模型很可能犧牲部分自然度以換取速度與成本。使用者可預期獲得清晰易懂、適用於多數應用的語音，但可能不如較大型模型那般富有表現力。如需特定準確度指標，請參閱OpenAI的文件或自行進行測試。
優點：低成本、生成速度快，可透過 OrcaRouter 的 OpenAI 相容 API 輕鬆整合。它受益於與 GPT-4o 相同的底層語言理解能力，因此能妥善處理複雜句子與標點符號。限制：不適合高風險的配音或商業音樂。不支援語音克隆或自訂語音訓練。迷你變體可能擁有較小的聲音庫，且傳達情感的能力較弱。
OrcaRouter 提供多種具有不同速度配置的模型。此 TTS 模型屬於較快速的選項之一，因為它是一個較小的網路。然而，由於音訊處理，TTS 生成本質上比文字生成耗時更長。與標準的 LLM 文字補全相比，此模型每個 Token 的延遲更高。如果原始速度至關重要，請考慮使用串流和較輕量的 TTS 模型。
在部署前，使用您的目標語言、語音（如果有多種）及典型文字長度測試模型。透過 OrcaRouter 測量端到端延遲，包含網路往返時間。主觀評估音訊品質。比較每字元或每秒音訊的成本是否符合預算。同時確認輸出格式（例如 WAV、MP3）受到下游系統支援。
定價按Token計算：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Token是您發送的文字。輸出Token是生成的音頻Token（模型的內部表示，非音頻時長）。OrcaRouter按供應商精確費率計費，無任何加價。您只需為實際用量付費，無固定月費。若使用量大，請注意輸出Token的費用是輸入Token的20倍。
雖然每token的成本很低，但生成非常長的音訊檔案可能會快速累積大量輸出token。例如，一個中速說話的10分鐘獨白可能消耗數十萬個輸出token。請務必根據預期的文字長度估算音訊token使用量。此外，來自OrcaRouter的任何網路傳輸費用（如果有的話）是分開計算的。文中未提及快取折扣，但重複的相同請求仍可能被計費。
提供的資訊並未指定 OrcaRouter 的任何快取機制。一般來說，API 網關可能提供回應快取，但並非保證。為了降低成本，您可以將重複文字生成的音訊在客戶端進行快取。如果 OrcaRouter 確實提供快取，您可能會看到較低的延遲，但仍會按每次請求收費。請參閱 OrcaRouter 的文件以了解詳細資訊。
自行託管TTS模型需承擔GPU運算、儲存及維護成本。在輸出token單價為$12/M的情況下，此模型對中低用量而言成本效益較高。若為極高用量（每月數百萬分鐘），自行託管可能更便宜。然而，你將失去OrcaRouter託管API的簡易性與即時擴展能力。請評估你的總體擁有成本。
使用位於 base_url https://api.orcarouter.ai/v1 的 OpenAI 兼容端點。將模型參數設置為 "openai/gpt-4o-mini-tts-2025-03-20"。你發送一個標準的聊天完成請求，其中包含要說話的用戶訊息。回應將包含生成的音頻，通常以 data URI 或 base64 編碼字符串的形式。請參閱 OpenAI 的 TTS API 文檔以了解具體參數（語音、速度、格式）。OrcaRouter 不會修改這些參數。
由於這是透過 OpenAI 的 TTS API 存取的，您可以設定語音（例如 "alloy"、"echo"）、速度（浮點數）以及回應格式（例如 "wav"、"mp3"）。然而，所提供的資訊並未列出此迷你變體支援哪些語音。請透過發送範例請求來測試可用的語音。該模型僅接受單一文字輸入；系統訊息將被忽略。確保您的 API 金鑰有權存取 OrcaRouter 上的 TTS 模型。
如果你目前使用其他 TTS API，可以將端點改為 api.orcarouter.ai/v1 並更新模型 ID，即可切換到此模型。其請求格式與 OpenAI 的 TTS API 非常相似。如果你曾使用特定的語音名稱，可能需要進行調整。若此模型無法使用，OrcaRouter 也支援備援模型。在全面遷移前，請先用具代表性的樣本進行測試。
OrcaRouter 回傳標準的 HTTP 狀態碼。常見錯誤：400 表示請求格式錯誤，401 表示驗證失敗，429 表示請求頻率過高，500 為內部錯誤。對暫時性錯誤實施指數退避策略。模型也可能因無效的語音參數回傳錯誤。請查閱 OrcaRouter 的回應標頭以取得使用細節。若遇到長時間停機，務必準備備援方案（例如，使用較簡單的 TTS 模型）。
完整的 GPT-4o TTS 模型（如果可用）每個 token 的費用可能更高，但能夠產生更高品質、更具表現力的語音。迷你版本則犧牲部分品質以換取較低成本與更快的推理速度。如果您的應用可以容忍稍微不自然的語音，迷你版本是不錯的選擇。對於高階語音產品，完整模型可能值得多花費用。OrcaRouter 同時提供兩種選擇，因此您可以輕鬆切換。
像 Coqui TTS 或 Piper 這類開源模型可以完全離線運行，且無按次使用費用。然而，它們需要大量的設定、維護與 GPU 資源，品質也可能參差不齊。來自 OpenAI/OrcaRouter 的迷你 TTS 模型則提供穩定的品質、無基礎設施負擔，並能自動擴展。對於低流量或分散式專案，API 模型在便利性上勝出；而對於高流量的離線處理，開源方案可能更為划算。
其他商業服務（例如 Google Cloud TTS、Amazon Polly）有不同的定價模式，通常按字符或按秒計費。此模型按 token 收費，這可能較難預測。一般來說，mini TTS 模型在標準品質的 TTS 上具有競爭力的價格。語音選擇與語言支援可能有所不同。請用您的目標語言測試模型，以確保可接受的品質。OrcaRouter 提供單一 API 存取多個供應商，使比較更容易。
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_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