TTS-1 vs TTS-1 HD

vs

Welches Modell wofür

Gleiche 4096-Zeichen-Grenze, gleiches Streaming, gleiche Stimmen und dieselbe fehlende Stimmkontrolle; tts-1-hd berechnet $30 pro Million Zeichen gegenüber $15, exakt das Doppelte, für die höherwertige Wiedergabe. Nichts sonst in den veröffentlichten Spezifikationen trennt sie. Nehmen Sie tts-1 für Entwürfe und Menge, tts-1-hd, wenn das Audio zu Nutzern geht.

Preise

TTS-1 TTS-1 HD Δ
Pro 1M Zeichen $15 $30 0.5×

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

TTS-1 TTS-1 HD
Streaming ja ja
SSML undocumented undocumented
Abrechnungseinheit character character

Spezifikationen

TTS-1 TTS-1 HD
Eingabemodalitäten Text Text
Ausgabemodalitäten Audio Audio
Veröffentlicht 2023-11-06 2023-11-06
Limit pro Anfrage 4096 characters 4096 characters
Stimmen 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. 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 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 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 none none
Limits

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

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: TTS-1 · 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="tts-1",
    # model="tts-1-hd",  # diese Zeile einkommentieren, die darüberliegende auskommentieren
    file=open("meeting.mp3", "rb"),
    language="en",
)
print(resp.text)

API-Schlüssel erstellen →

FAQ

Welches Modell ist günstiger: TTS-1 oder TTS-1 HD?

TTS-1 ist bei Pro 1M Zeichen günstiger ($15 vs. $30, Faktor 2.0). Bei anderen Zeilen kann es umgekehrt sein. Die Tabelle oben zeigt alle Preise, und die tatsächlichen Kosten hängen von Ihrem Mix ab.

Kann ich TTS-1 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.

Verwandte Vergleiche

Aus unseren Studien mit eigenen Messungen