BytePlus Seed TTS 2.0 vs TTS-1 HD
Lequel choisir, et quand
D'après les faits donnés, ces deux-là sont interchangeables : seed-tts-2.0 et tts-1-hd prennent tous deux du texte en entrée et retournent de l'audio, disposent tous deux de la capacité vocale, plafonnent tous deux à un contexte de 4096 tokens, et facturent tous deux l'entrée à $30 par million de tokens. Comme les grilles tarifaires et les unités correspondent exactement, il n'y a aucun argument de coût ou de contexte dans un sens ou dans l'autre - choisissez selon la préférence de fournisseur, le rendu vocal qui convient à votre produit, ou le fournisseur avec lequel vous êtes déjà intégré. Faites passer un court extrait de votre propre script sur chacun et gardez celui qui sonne bien.
Tarifs
| BytePlus Seed TTS 2.0 | TTS-1 HD | Δ | |
|---|---|---|---|
| Par 1M de caractères | $30 | $30 | = |
Tarifs relevés dans le catalogue en direct à la génération du site ; la page de chaque modèle affiche la grille tarifaire à jour.
Leur position : prix pour 1M de caractères, parmi les 7 modèles de synthèse vocale facturés dans cette unité (échelle logarithmique)
Capacités
| BytePlus Seed TTS 2.0 | TTS-1 HD | |
|---|---|---|
| Streaming | oui | oui |
| SSML | unsupported | undocumented |
| Unité de facturation | character | character |
Spécifications
| BytePlus Seed TTS 2.0 | TTS-1 HD | |
|---|---|---|
| Modalités d'entrée | texte | texte |
| Modalités de sortie | audio | audio |
| Date de sortie | 2025-10-16 | 2023-11-06 |
| Limite par requête | - | 4096 characters |
| Voix | Les voix TTS 2.0 portent des identifiants de locuteur *_uranus_bigtts et sont listées par scénario (General, Entertainment, Education, Dubbing, AudioBook, RolePlay, CustomerService) sur la page Voice List émotion par voix via audio_params.emotion avec emotion_scale de 1 à 5 (4 par défaut), speech_rate et loudness_rate dans [-50, 100], et post_process.pitch dans [-12, 12]. | alloy, ash, coral, echo, fable, onyx, nova, sage et shimmer, un ensemble plus restreint que la liste TTS complète de 13 voix, et les voix sont actuellement optimisées pour l'anglais. |
| Langues | Anglais, chinois, japonais, allemand, français, espagnol du Mexique, bahasa indonésien, portugais du Brésil, italien et coréen | Suit globalement la prise en charge linguistique du modèle Whisper: afrikaans, arabe, arménien, azéri, biélorusse, bosniaque, bulgare, catalan, chinois, croate, tchèque, danois, néerlandais, anglais, estonien, finnois, français, galicien, allemand, grec, hébreu, hindi, hongrois, islandais, indonésien, italien, japonais, kannada, kazakh, coréen, letton, lituanien, macédonien, malais, marathi, maori, népalais, norvégien, persan, polonais, portugais, roumain, russe, serbe, slovaque, slovène, espagnol, swahili, suédois, tagalog, tamoul, thaï, turc, ukrainien, ourdou, vietnamien et gallois, bien que les voix soient optimisées pour l'anglais |
| Contrôle de la voix | context_texts et section_id sont propres à TTS 2.0: une instruction en langage naturel oriente le débit, l'émotion, le volume et le style (seule la première valeur de la liste prend effet, et son texte n'est pas facturé), et section_id rattache jusqu'à 30 tours ou 10 minutes de synthèse antérieure comme contexte historique. | none |
| Limites | Intégration via HTTP en streaming unidirectionnel, WebSocket en streaming uni- ou bidirectionnel et SDK en ligne fréquence d'échantillonnage 24K/16K/8K sur les interfaces en streaming unidirectionnel et non-streaming, 48K/24K/16K/8K sur l'interface bidirectionnelle sortie PCM, OGG_OPUS ou MP3 (le WAV est accepté mais renvoie plusieurs en-têtes en streaming) SSML n'est pas pris en charge | Endpoint de génération de parole (v1/audio/speech) uniquement, Chat Completions, Responses, Realtime, Batch et le fine-tuning étant tous listés comme non pris en charge le texte d'entrée est plafonné à 4096 caractères sortie mp3 (par défaut), opus, aac, flac, wav ou pcm (échantillons bruts 24 kHz 16 bits signés little-endian) lecture en temps réel via l'encodage de transfert par blocs |
Les spécifications sont reprises de la documentation de chaque fournisseur ; quand un fournisseur ne publie pas une valeur, la ligne est omise et non déduite. Sources complètes : BytePlus Seed TTS 2.0 · TTS-1 HD
Passez de l'un à l'autre en changeant une seule ligne
Les deux identifiants figurent dans chaque onglet ci-dessous : les deux lignes surlignées sont le seul changement. Même endpoint, même clé, même format de requête.
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", # décommentez cette ligne, commentez celle du dessus
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", // décommentez cette ligne, commentez celle du dessus
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" \ # décommentez cette ligne, commentez celle du dessus
-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", // décommentez cette ligne, commentez celle du dessus
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") // décommentez cette ligne, commentez celle du dessus
.file(Paths.get("meeting.mp3"))
.build()).asTranscription();
System.out.println(resp.text());FAQ
Lequel est le moins cher, BytePlus Seed TTS 2.0 ou TTS-1 HD ?
Les deux affichent $30 pour « Par 1M de caractères ». Les autres tarifs et les quantités utilisées peuvent changer le coût total.
Puis-je faire un test A/B entre BytePlus Seed TTS 2.0 et TTS-1 HD sans deux intégrations ?
Oui. Les deux passent par le même endpoint compatible OpenAI, avec une seule clé API. Pour passer de l'un à l'autre, il suffit de changer l'identifiant du modèle, soit une ligne : vous pouvez donc envoyer une part du trafic à chacun et comparer directement les factures.
Comment la synthèse vocale est-elle facturée ?
Au caractère de texte en entrée, avec un plafond de caractères par requête indiqué dans le tableau des spécifications. Avec l'un comme avec l'autre, un texte long doit être découpé en plusieurs requêtes.