BytePlus Seed TTS 2.0 vs TTS-1 HD
Quale scegliere e quando
In base ai fatti forniti questi due sono intercambiabili: seed-tts-2.0 e tts-1-hd accettano entrambi testo in input e restituiscono audio, possiedono entrambi la funzionalità vocale, hanno entrambi un limite di contesto di 4096 token, e fatturano l'input a $30 per milione di token. Poiché i tariffari e le unità corrispondono esattamente, non c'è alcun argomento di costo o contesto in un senso o nell'altro - scegli in base alla preferenza del fornitore, all'output vocale che si adatta al tuo prodotto, o al provider con cui sei già integrato. Esegui un breve campione del tuo script attraverso ciascuno e mantieni quello che suona meglio.
Prezzi
| BytePlus Seed TTS 2.0 | TTS-1 HD | Δ | |
|---|---|---|---|
| Per 1M caratteri | $30 | $30 | = |
Tariffe lette dal catalogo live al momento della build; il listino aggiornato è sulla pagina di ciascun modello.
Dove si collocano: prezzo per 1M di caratteri tra tutti i modelli di sintesi vocale con questa unità di fatturazione (7, scala logaritmica)
Funzionalità
| BytePlus Seed TTS 2.0 | TTS-1 HD | |
|---|---|---|
| Streaming | sì | sì |
| SSML | unsupported | undocumented |
| Unità di fatturazione | character | character |
Specifiche
| BytePlus Seed TTS 2.0 | TTS-1 HD | |
|---|---|---|
| Modalità di input | testo | testo |
| Modalità di output | audio | audio |
| Rilascio | 2025-10-16 | 2023-11-06 |
| Limite per richiesta | - | 4096 characters |
| Voci | Le voci TTS 2.0 hanno speaker ID *_uranus_bigtts e sono elencate per scenario (General, Entertainment, Education, Dubbing, AudioBook, RolePlay, CustomerService) nella pagina Voice List emozione per singola voce tramite audio_params.emotion con emotion_scale da 1 a 5 (predefinito 4), speech_rate e loudness_rate in [-50, 100] e post_process.pitch in [-12, 12]. | alloy, ash, coral, echo, fable, onyx, nova, sage e shimmer, un insieme più ristretto rispetto all'elenco TTS completo di 13 voci, e le voci sono attualmente ottimizzate per l'inglese. |
| Lingue | Inglese, cinese, giapponese, tedesco, francese, spagnolo messicano, bahasa indonesiano, portoghese brasiliano, italiano e coreano | In genere segue il supporto linguistico del modello Whisper: afrikaans, arabo, armeno, azero, bielorusso, bosniaco, bulgaro, catalano, cinese, croato, ceco, danese, olandese, inglese, estone, finlandese, francese, galiziano, tedesco, greco, ebraico, hindi, ungherese, islandese, indonesiano, italiano, giapponese, kannada, kazako, coreano, lettone, lituano, macedone, malese, marathi, maori, nepalese, norvegese, persiano, polacco, portoghese, rumeno, russo, serbo, slovacco, sloveno, spagnolo, swahili, svedese, tagalog, tamil, thai, turco, ucraino, urdu, vietnamita e gallese, nonostante le voci siano ottimizzate per l'inglese |
| Controllo della voce | context_texts e section_id sono esclusivi di TTS 2.0: un'istruzione in linguaggio naturale governa velocità, emozione, volume e stile (ha effetto solo il primo valore dell'elenco, e il suo testo non viene fatturato), e section_id collega fino a 30 round o 10 minuti di sintesi precedente come contesto storico. | none |
| Limiti | Integrazione tramite HTTP in streaming unidirezionale, WebSocket in streaming uni- o bidirezionale e SDK online frequenza di campionamento 24K/16K/8K sulle interfacce in streaming unidirezionale e non in streaming, 48K/24K/16K/8K sull'interfaccia bidirezionale output PCM, OGG_OPUS o MP3 (il WAV è accettato ma in streaming restituisce header multipli) l'SSML non è supportato | Solo endpoint di generazione vocale (v1/audio/speech), con Chat Completions, Responses, Realtime, Batch e Fine-tuning tutti indicati come non supportati il testo in input è limitato a 4096 caratteri output mp3 (predefinito), opus, aac, flac, wav o pcm (campioni grezzi a 24 kHz, 16 bit, signed little-endian) riproduzione in tempo reale tramite chunked transfer encoding |
Le specifiche sono riprese dalla documentazione di ciascun provider; se un provider non pubblica un dato, la riga viene omessa e non dedotta. Fonti complete: BytePlus Seed TTS 2.0 · TTS-1 HD
Passa dall'uno all'altro cambiando una sola riga
In ogni scheda qui sotto ci sono entrambi gli id: le due righe evidenziate sono l'unica modifica. Stesso endpoint, stessa chiave, stessa struttura della richiesta.
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", # decommenta questa riga, commenta quella sopra
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", // decommenta questa riga, commenta quella sopra
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" \ # decommenta questa riga, commenta quella sopra
-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", // decommenta questa riga, commenta quella sopra
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") // decommenta questa riga, commenta quella sopra
.file(Paths.get("meeting.mp3"))
.build()).asTranscription();
System.out.println(resp.text());FAQ
Qual è il più economico, BytePlus Seed TTS 2.0 o TTS-1 HD?
Entrambi applicano $30 a «Per 1M caratteri». Le altre tariffe e le quantità usate possono cambiare il costo totale.
Posso fare un A/B test di BytePlus Seed TTS 2.0 contro TTS-1 HD senza due integrazioni?
Sì. Si chiamano entrambi dallo stesso endpoint compatibile con OpenAI, con una sola chiave API. Per passare dall'uno all'altro basta cambiare la stringa del modello in una riga, quindi puoi mandare una parte del traffico a ciascuno e confrontare direttamente i costi.
Come viene fatturata la sintesi vocale?
Per carattere del testo di input, con un tetto massimo di caratteri per richiesta indicato nella tabella delle specifiche. Con entrambi i modelli i testi lunghi vanno suddivisi su più richieste.