BytePlus Seed TTS 2.0 vs TTS-1 HD

vs

Cuál usar y cuándo

Según los datos proporcionados, estos dos son intercambiables: tanto seed-tts-2.0 como tts-1-hd reciben texto y devuelven audio, ambos incluyen la capacidad de voz, ambos tienen un límite de contexto de 4096 tokens y ambos facturan la entrada a $30 por millón de tokens. Dado que las tarjetas de tarifas y las unidades coinciden exactamente, no hay un argumento de costo o contexto para ninguno de los dos - elige según la preferencia de proveedor, la salida de voz que se adapte a tu producto o el proveedor con el que ya estés integrado. Procesa una pequeña muestra de tu propio guion en cada uno y quédate con el que suene bien.

Precios

BytePlus Seed TTS 2.0 TTS-1 HD Δ
Por 1M de caracteres $30 $30 =

Tarifas tomadas del catálogo en vivo al generar el sitio; la página de cada modelo tiene la ficha de precios actualizada.

Dónde queda cada uno: precio por 1M de caracteres entre los 7 modelos de síntesis de voz que se facturan en esta unidad (escala logarítmica)

Capacidades

BytePlus Seed TTS 2.0 TTS-1 HD
Streaming sí sí
SSML unsupported undocumented
Unidad de facturación character character

Especificaciones

BytePlus Seed TTS 2.0 TTS-1 HD
Modalidades de entrada texto texto
Modalidades de salida audio audio
Lanzamiento 2025-10-16 2023-11-06
Límite por solicitud - 4096 characters
Voces

Las voces de TTS 2.0 llevan identificadores de hablante *_uranus_bigtts y se listan por escenario (General, Entertainment, Education, Dubbing, AudioBook, RolePlay, CustomerService) en la página Voice List

emoción por voz mediante audio_params.emotion con emotion_scale de 1 a 5 (4 por defecto), speech_rate y loudness_rate en [-50, 100], y post_process.pitch en [-12, 12].

alloy, ash, coral, echo, fable, onyx, nova, sage y shimmer, un conjunto menor que la lista completa de 13 voces de TTS, y las voces están actualmente optimizadas para el inglés.
Idiomas Inglés, chino, japonés, alemán, francés, español de México, bahasa indonesio, portugués de Brasil, italiano y coreano En general sigue el soporte de idiomas del modelo Whisper: afrikáans, árabe, armenio, azerbaiyano, bielorruso, bosnio, búlgaro, catalán, chino, croata, checo, danés, neerlandés, inglés, estonio, finés, francés, gallego, alemán, griego, hebreo, hindi, húngaro, islandés, indonesio, italiano, japonés, canarés, kazajo, coreano, letón, lituano, macedonio, malayo, maratí, maorí, nepalí, noruego, persa, polaco, portugués, rumano, ruso, serbio, eslovaco, esloveno, español, suajili, sueco, tagalo, tamil, tailandés, turco, ucraniano, urdu, vietnamita y galés, pese a que las voces están optimizadas para el inglés
Control de voz context_texts y section_id son exclusivos de TTS 2.0: una instrucción en lenguaje llano dirige la velocidad, la emoción, el volumen y el estilo (solo surte efecto el primer valor de la lista, y su texto no se factura), y section_id enlaza hasta 30 rondas o 10 minutos de síntesis anterior como contexto histórico. none
Límites

Integración mediante HTTP de streaming unidireccional, WebSocket de streaming uni o bidireccional y SDK en línea

frecuencia de muestreo 24K/16K/8K en las interfaces de streaming unidireccional y sin streaming, y 48K/24K/16K/8K en la interfaz bidireccional

salida PCM, OGG_OPUS o MP3 (se acepta WAV, pero devuelve varias cabeceras al transmitir)

SSML no está admitido

Solo el endpoint de generación de voz (v1/audio/speech), con Chat Completions, Responses, Realtime, Batch y Fine-tuning indicados todos como no admitidos

el texto de entrada está limitado a 4096 caracteres

salida mp3 (por defecto), opus, aac, flac, wav o pcm (muestras en bruto de 24 kHz, 16 bits, con signo y little-endian)

reproducción en tiempo real mediante codificación de transferencia por fragmentos

Las especificaciones se transcriben de la documentación de cada proveedor; si un proveedor no publica un dato, la fila se omite en vez de deducirlo. Fuentes completas: BytePlus Seed TTS 2.0 · TTS-1 HD

Cambia de uno a otro con una sola línea

Los dos ids aparecen en todas las pestañas de abajo; lo único que cambia es el par de líneas resaltadas. El endpoint, la clave y la estructura de la solicitud son los mismos.

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",  # descomenta esta línea, comenta la de arriba
    file=open("meeting.mp3", "rb"),
    language="en",
)
print(resp.text)

Obtén tu clave API →

Preguntas frecuentes

¿Cuál es más barato, BytePlus Seed TTS 2.0 o TTS-1 HD?

Ambos cobran $30 en «Por 1M de caracteres». Otras tarifas y la cantidad de unidades consumidas pueden cambiar el coste total.

¿Puedo hacer pruebas A/B de BytePlus Seed TTS 2.0 frente a TTS-1 HD sin dos integraciones?

Sí. Los dos se sirven desde el mismo endpoint compatible con OpenAI y con una sola clave API. Para cambiar de uno a otro basta con tocar una línea, el nombre del modelo, así que puedes mandar una parte del tráfico a cada uno y comparar directamente las facturas.

¿Cómo se factura el texto a voz?

Por carácter del texto de entrada, con un máximo de caracteres por solicitud que figura en la tabla de especificaciones. Con cualquiera de los dos modelos, los textos largos hay que repartirlos en varias solicitudes.

Comparativas relacionadas

De nuestros estudios con mediciones