TTS-1 vs TTS-1 HD

vs

どんなときに、どちらを選ぶか

同じ 4096 文字の上限、同じストリーミング、同じ音声、そして同じく音声制御なし。tts-1-hd は 100万文字あたり $30 対 $15、ちょうど 2 倍で、より高品質な合成を買います。公開仕様に他の差はありません。下書きや量をこなすなら tts-1、ユーザーに届く音声なら tts-1-hd を選んでください。

料金

TTS-1 TTS-1 HD Δ
100 万文字あたり $15 $30 0.5×

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

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

仕様

TTS-1 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 2023-11-06 2023-11-06
リクエストあたりの上限 4096 characters 4096 characters
ボイス 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。 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 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 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 none none
制限 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。 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: TTS-1 · 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="tts-1",
    # 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

TTS-1 と TTS-1 HD ではどちらが安いですか?

100 万文字あたりは TTS-1 のほうが安くなります($15 対 $30、2.0 倍の差)。ほかの行では逆になることもあります。料金の全体は上の表に掲載しており、実際のコストは利用の内訳によって変わります。

TTS-1 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