BytePlus Seed TTS 2.0 vs TTS-1 HD

vs

どんなときに、どちらを選ぶか

与えられた事実において、これら2つは互換性があります。seed-tts-2.0とtts-1-hdはどちらもテキストを入力として音声を出力し、speech機能を備え、最大4096トークンのコンテキストを持ち、100万トークンあたり$30で入力を請求します。料金表と単位が完全に一致しているため、どちらを選ぶにしてもコストやコンテキストに関する議論の余地はありません。ベンダーの好み、製品に合う音声出力、またはすでに統合しているプロバイダーに基づいて選択してください。自身のスクリプトの短いサンプルをそれぞれで実行し、適切に聞こえる方を使用してください。

料金

BytePlus Seed TTS 2.0 TTS-1 HD Δ
100 万文字あたり $30 $30 =

ビルド時点の現行カタログの料金です。最新の料金表は各モデルのページに掲載しています。

両モデルの位置:100 万文字あたりの料金(この課金単位の音声合成モデル全 7 件、対数スケール)

対応機能

BytePlus Seed TTS 2.0 TTS-1 HD
ストリーミング あり あり
SSML unsupported undocumented
課金単位 character character

仕様

BytePlus Seed TTS 2.0 TTS-1 HD
入力モダリティ テキスト テキスト
出力モダリティ 音声 音声
リリース 2025-10-16 2023-11-06
リクエストあたりの上限 - 4096 characters
ボイス TTS 2.0 のボイスは *_uranus_bigtts の speaker ID を持ち、Voice List ページでシナリオ別(General, Entertainment, Education, Dubbing, AudioBook, RolePlay, CustomerService)に掲載されています。ボイスごとの感情は audio_params.emotion で指定し、emotion_scale は 1 から 5(デフォルト 4)、speech_rate と loudness_rate は [-50, 100]、post_process.pitch は [-12, 12] の範囲です。 alloy, ash, coral, echo, fable, onyx, nova, sage, shimmer。全 13 種類の TTS ボイスリストより少ないセットで、ボイスは現在英語向けに最適化されています。
言語 英語、中国語、日本語、ドイツ語、フランス語、メキシコスペイン語、インドネシア語、ブラジルポルトガル語、イタリア語、韓国語 おおむね Whisper モデルの言語対応に準じます:アフリカーンス語、アラビア語、アルメニア語、アゼルバイジャン語、ベラルーシ語、ボスニア語、ブルガリア語、カタルーニャ語、中国語、クロアチア語、チェコ語、デンマーク語、オランダ語、英語、エストニア語、フィンランド語、フランス語、ガリシア語、ドイツ語、ギリシャ語、ヘブライ語、ヒンディー語、ハンガリー語、アイスランド語、インドネシア語、イタリア語、日本語、カンナダ語、カザフ語、韓国語、ラトビア語、リトアニア語、マケドニア語、マレー語、マラーティー語、マオリ語、ネパール語、ノルウェー語、ペルシア語、ポーランド語、ポルトガル語、ルーマニア語、ロシア語、セルビア語、スロバキア語、スロベニア語、スペイン語、スワヒリ語、スウェーデン語、タガログ語、タミル語、タイ語、トルコ語、ウクライナ語、ウルドゥー語、ベトナム語、ウェールズ語。ただしボイスは英語向けに最適化されています
ボイス調整 context_texts と section_id は TTS 2.0 専用です。平易な言葉での指示により速度・感情・音量・スタイルを制御し(効果があるのはリストの最初の値のみで、そのテキストは課金されません)、section_id は過去の合成を最大 30 ラウンドまたは 10 分ぶん、履歴コンテキストとして紐づけます。 none
制限 連携は単方向ストリーミング HTTP、単方向または双方向ストリーミング WebSocket、オンライン SDK 経由。サンプリングレートは単方向ストリーミングおよび非ストリーミングのインターフェースで 24K/16K/8K、双方向インターフェースで 48K/24K/16K/8K。出力は PCM、OGG_OPUS、MP3(WAV も受け付けますが、ストリーミング時は複数のヘッダーが返ります)。SSML は非対応。 音声生成エンドポイント(v1/audio/speech)のみで、Chat Completions、Responses、Realtime、Batch、ファインチューニングはいずれも非対応と記載されています。入力テキストは 4096 文字まで。出力は mp3(デフォルト)、opus、aac、flac、wav、pcm(生の 24 kHz 16-bit 符号付きリトルエンディアンのサンプル)。チャンク転送エンコーディングによるリアルタイム再生に対応。

仕様は各ベンダーのドキュメントから転記しています。ベンダーが公表していない項目は、推測で埋めずに省いています。 出典の一覧: BytePlus Seed TTS 2.0 · TTS-1 HD

1 行の変更で切り替え

以下のどのタブにも両方のモデル ID が入っています。書き換えるのはハイライトされた 2 行だけで、エンドポイント、キー、リクエスト形式はすべて同じです。

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",  # この行のコメントを外し、上の行をコメントアウト
    file=open("meeting.mp3", "rb"),
    language="en",
)
print(resp.text)

API キーを取得 →

よくある質問

BytePlus Seed TTS 2.0 と TTS-1 HD ではどちらが安いですか?

どちらも「100 万文字あたり」は $30 です。他の単価や使用量によって合計費用は変わります。

BytePlus Seed TTS 2.0 と TTS-1 HD の A/B テストは、実装を 2 つ用意せずにできますか?

はい。どちらも同じ OpenAI 互換エンドポイントから 1 つの API キーで利用できます。切り替えはモデル名の文字列を 1 行変えるだけなので、トラフィックの一部をそれぞれに振り分けて、請求額を直接比較できます。

音声合成(Text-to-Speech)の課金方法は?

入力テキストの文字数に応じて課金されます。1 リクエストあたりの文字数上限は仕様表に掲載しています。どちらのモデルでも、長い原稿は複数のリクエストに分けて送る必要があります。

関連する比較

当社の実測レポートより