BytePlus Seed TTS 2.0 vs TTS-1 HD
Welches Modell wofür
Nach den vorliegenden Fakten sind diese beiden austauschbar: seed-tts-2.0 und tts-1-hd nehmen beide Text an und geben Audio zurück, beide bieten die Sprachfunktion, beide sind auf einen 4096-Token-Kontext begrenzt und beide berechnen die Eingabe mit $30 pro Million Token. Da die Preislisten und Einheiten exakt übereinstimmen, gibt es in beide Richtungen kein Kosten- oder Kontextargument - entscheiden Sie nach Anbieterpräferenz, der zu Ihrem Produkt passenden Sprachausgabe oder dem Anbieter, bei dem Sie bereits integriert sind. Lassen Sie ein kurzes Sample Ihres eigenen Skripts durch jedes Modell laufen und behalten Sie dasjenige, das richtig klingt.
Preise
| BytePlus Seed TTS 2.0 | TTS-1 HD | Δ | |
|---|---|---|---|
| Pro 1M Zeichen | $30 | $30 | = |
Preise aus dem Live-Katalog, Stand des letzten Builds. Die aktuellen Preise stehen auf der jeweiligen Modellseite.
Einordnung: Preis pro 1M Zeichen aller 7 Text-to-Speech-Modelle mit dieser Abrechnungseinheit (logarithmische Skala)
Fähigkeiten
| BytePlus Seed TTS 2.0 | TTS-1 HD | |
|---|---|---|
| Streaming | ja | ja |
| SSML | unsupported | undocumented |
| Abrechnungseinheit | character | character |
Spezifikationen
| BytePlus Seed TTS 2.0 | TTS-1 HD | |
|---|---|---|
| Eingabemodalitäten | Text | Text |
| Ausgabemodalitäten | Audio | Audio |
| Veröffentlicht | 2025-10-16 | 2023-11-06 |
| Limit pro Anfrage | - | 4096 characters |
| Stimmen | TTS-2.0-Stimmen tragen Speaker-IDs der Form *_uranus_bigtts und sind auf der Voice-List-Seite nach Szenario gelistet (General, Entertainment, Education, Dubbing, AudioBook, RolePlay, CustomerService) Emotion je Stimme über audio_params.emotion mit emotion_scale 1 bis 5 (Standard 4), speech_rate und loudness_rate in [-50, 100] sowie post_process.pitch in [-12, 12]. | alloy, ash, coral, echo, fable, onyx, nova, sage und shimmer, eine kleinere Auswahl als die vollständige TTS-Liste mit 13 Stimmen, und die Stimmen sind derzeit auf Englisch optimiert. |
| Sprachen | Englisch, Chinesisch, Japanisch, Deutsch, Französisch, mexikanisches Spanisch, indonesisches Bahasa, brasilianisches Portugiesisch, Italienisch und Koreanisch | Folgt im Wesentlichen der Sprachunterstützung des Whisper-Modells: Afrikaans, Arabisch, Armenisch, Aserbaidschanisch, Belarussisch, Bosnisch, Bulgarisch, Katalanisch, Chinesisch, Kroatisch, Tschechisch, Dänisch, Niederländisch, Englisch, Estnisch, Finnisch, Französisch, Galicisch, Deutsch, Griechisch, Hebräisch, Hindi, Ungarisch, Isländisch, Indonesisch, Italienisch, Japanisch, Kannada, Kasachisch, Koreanisch, Lettisch, Litauisch, Mazedonisch, Malaiisch, Marathi, Maori, Nepalesisch, Norwegisch, Persisch, Polnisch, Portugiesisch, Rumänisch, Russisch, Serbisch, Slowakisch, Slowenisch, Spanisch, Suaheli, Schwedisch, Tagalog, Tamil, Thailändisch, Türkisch, Ukrainisch, Urdu, Vietnamesisch und Walisisch, obwohl die Stimmen auf Englisch optimiert sind |
| Stimmsteuerung | context_texts und section_id gibt es nur bei TTS 2.0: Eine Anweisung in natürlicher Sprache steuert Tempo, Emotion, Lautstärke und Stil (nur der erste Wert der Liste wird wirksam, und sein Text wird nicht abgerechnet), und section_id verknüpft bis zu 30 Runden oder 10 Minuten früherer Synthese als historischen Kontext. | none |
| Limits | Anbindung über unidirektionales Streaming-HTTP, uni- oder bidirektionales Streaming-WebSocket und Online-SDK Abtastrate 24K/16K/8K auf den unidirektionalen Streaming- und Nicht-Streaming-Schnittstellen, 48K/24K/16K/8K auf der bidirektionalen Schnittstelle Output als PCM, OGG_OPUS oder MP3 (WAV wird akzeptiert, gibt beim Streaming aber mehrere Header zurück) SSML wird nicht unterstützt | Nur der Endpoint zur Sprachgenerierung (v1/audio/speech) Chat Completions, Responses, Realtime, Batch und Fine-Tuning sind sämtlich als nicht unterstützt gelistet der Eingabetext ist auf 4096 Zeichen begrenzt Output als mp3 (Standard), opus, aac, flac, wav oder pcm (rohe 24-kHz-16-Bit-Samples, vorzeichenbehaftet, Little Endian) Echtzeitwiedergabe über Chunked Transfer Encoding |
Die Spezifikationen stammen aus der Dokumentation des jeweiligen Anbieters. Veröffentlicht ein Anbieter eine Angabe nicht, lassen wir die Zeile weg, statt sie zu schätzen. Vollständige Quellen: BytePlus Seed TTS 2.0 · TTS-1 HD
Eine Zeile genügt für den Wechsel
Beide IDs stehen in jedem Tab unten. Die beiden hervorgehobenen Zeilen sind die einzige Änderung. Gleicher Endpunkt, gleicher Schlüssel, gleiches Anfrageformat.
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.audio.transcriptions.create(
model="seed-tts-2.0",
# model="tts-1-hd", # diese Zeile einkommentieren, die darüberliegende auskommentieren
file=open("meeting.mp3", "rb"),
language="en",
)
print(resp.text)import OpenAI from "openai";
import fs from "node:fs";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.audio.transcriptions.create({
model: "seed-tts-2.0",
// model: "tts-1-hd", // diese Zeile einkommentieren, die darüberliegende auskommentieren
file: fs.createReadStream("meeting.mp3"),
});
console.log(resp.text);curl https://synthorai.io/v1/audio/transcriptions \
-H "Authorization: Bearer sk-syn-..." \
-F model="seed-tts-2.0" \
# -F model="tts-1-hd" \ # diese Zeile einkommentieren, die darüberliegende auskommentieren
-F file=@meeting.mp3package main
import (
"context"
"fmt"
"os"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
f, _ := os.Open("meeting.mp3")
resp, _ := client.Audio.Transcriptions.New(context.TODO(), openai.AudioTranscriptionNewParams{
Model: "seed-tts-2.0",
// Model: "tts-1-hd", // diese Zeile einkommentieren, die darüberliegende auskommentieren
File: f,
})
fmt.Println(resp.Text)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.audio.transcriptions.*;
import java.nio.file.Paths;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
Transcription resp = client.audio().transcriptions().create(
TranscriptionCreateParams.builder()
.model("seed-tts-2.0")
// .model("tts-1-hd") // diese Zeile einkommentieren, die darüberliegende auskommentieren
.file(Paths.get("meeting.mp3"))
.build()).asTranscription();
System.out.println(resp.text());FAQ
Welches Modell ist günstiger: BytePlus Seed TTS 2.0 oder TTS-1 HD?
Beide berechnen $30 für „Pro 1M Zeichen“. Andere Tarife und die tatsächliche Nutzung können die Gesamtkosten verändern.
Kann ich BytePlus Seed TTS 2.0 gegen TTS-1 HD A/B-testen, ohne zweimal zu integrieren?
Ja. Beide laufen über denselben OpenAI-kompatiblen Endpunkt mit einem API-Schlüssel. Für den Wechsel ändern Sie nur eine Zeile, den Modellnamen. So können Sie einen Teil des Traffics an jedes Modell schicken und die Kosten direkt vergleichen.
Wie wird Text-to-Speech abgerechnet?
Pro Zeichen des Eingabetexts, mit einer Obergrenze für die Zeichenzahl pro Anfrage, die in der Spezifikationstabelle steht. Lange Texte müssen Sie bei beiden Modellen auf mehrere Anfragen aufteilen.