BytePlus Seed TTS 2.0 vs TTS-1 HD

vs

Qual usar e quando

Nos fatos apresentados, esses dois são intercambiáveis: seed-tts-2.0 e tts-1-hd ambos aceitam entrada de texto e retornam áudio, ambos possuem a capacidade de fala, ambos têm um limite de contexto de 4096 tokens, e ambos cobram a entrada a $30 por milhão de tokens. Como as tabelas de preços e unidades correspondem exatamente, não há argumento de custo ou contexto de forma alguma - escolha por preferência de fornecedor, saída de voz que sirva ao seu produto, ou qualquer provedor com o qual você já esteja integrado. Execute uma pequena amostra do seu próprio script em cada um e mantenha aquele que soe bem.

Preços

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

Tarifas do catálogo em tempo real, lidas no momento do build; a página de cada modelo traz a tabela de preços atual.

Onde cada um fica: preço por 1M caracteres entre os 7 modelos de síntese de voz com esta unidade de cobrança (escala logarítmica)

Capacidades

BytePlus Seed TTS 2.0 TTS-1 HD
Streaming sim sim
SSML unsupported undocumented
Unidade de cobrança character character

Especificações

BytePlus Seed TTS 2.0 TTS-1 HD
Modalidades de entrada texto texto
Modalidades de saída áudio áudio
Lançamento 2025-10-16 2023-11-06
Limite por requisição - 4096 characters
Vozes

As vozes do TTS 2.0 carregam speaker IDs *_uranus_bigtts e são listadas por cenário (General, Entertainment, Education, Dubbing, AudioBook, RolePlay, CustomerService) na página Voice List

emoção por voz via audio_params.emotion com emotion_scale de 1 a 5 (padrão 4), speech_rate e loudness_rate em [-50, 100] e post_process.pitch em [-12, 12].

alloy, ash, coral, echo, fable, onyx, nova, sage e shimmer, um conjunto menor que a lista completa de 13 vozes de TTS, e as vozes estão atualmente otimizadas para inglês.
Idiomas Inglês, chinês, japonês, alemão, francês, espanhol mexicano, indonésio bahasa, português brasileiro, italiano e coreano Segue de modo geral o suporte a idiomas do modelo Whisper: africâner, árabe, armênio, azerbaijano, bielorrusso, bósnio, búlgaro, catalão, chinês, croata, tcheco, dinamarquês, holandês, inglês, estoniano, finlandês, francês, galego, alemão, grego, hebraico, híndi, húngaro, islandês, indonésio, italiano, japonês, canarês, cazaque, coreano, letão, lituano, macedônio, malaio, marati, maori, nepalês, norueguês, persa, polonês, português, romeno, russo, sérvio, eslovaco, esloveno, espanhol, suaíli, sueco, tagalo, tâmil, tailandês, turco, ucraniano, urdu, vietnamita e galês, embora as vozes sejam otimizadas para inglês
Controle de voz context_texts e section_id são exclusivos do TTS 2.0: uma instrução em linguagem simples orienta ritmo, emoção, volume e estilo (apenas o primeiro valor da lista tem efeito, e seu texto não é cobrado), e section_id vincula até 30 rodadas ou 10 minutos de síntese anterior como contexto histórico. none
Limites

Integração por HTTP com streaming unidirecional, WebSocket com streaming uni ou bidirecional e SDK online

taxa de amostragem 24K/16K/8K nas interfaces de streaming unidirecional e sem streaming, 48K/24K/16K/8K na interface bidirecional

saída PCM, OGG_OPUS ou MP3 (WAV é aceito, mas retorna múltiplos cabeçalhos em streaming)

SSML não é suportado

Apenas no endpoint de geração de fala (v1/audio/speech), com Chat Completions, Responses, Realtime, Batch e Fine-tuning listados como não suportados

o texto de entrada é limitado a 4096 caracteres

saída em mp3 (padrão), opus, aac, flac, wav ou pcm (amostras brutas de 24 kHz, 16 bits, com sinal, little-endian)

reprodução em tempo real via chunked transfer encoding

As especificações são transcritas da documentação de cada provedor; quando um provedor não publica um dado, a linha é omitida, e não inferida. Fontes completas: BytePlus Seed TTS 2.0 · TTS-1 HD

Troque de um para o outro mudando uma linha

Os dois ids estão em todas as abas abaixo; o par de linhas destacado é a única alteração. O endpoint, a chave e o formato da requisição são os mesmos.

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",  # descomente esta linha, comente a linha acima
    file=open("meeting.mp3", "rb"),
    language="en",
)
print(resp.text)

Obtenha sua chave de API →

Perguntas frequentes

Qual é mais barato, BytePlus Seed TTS 2.0 ou TTS-1 HD?

Os dois cobram $30 em “Por 1M caracteres”. As outras tarifas e as quantidades usadas podem alterar o custo total.

Posso fazer um teste A/B de BytePlus Seed TTS 2.0 contra TTS-1 HD sem duas integrações?

Sim. Os dois são servidos pelo mesmo endpoint compatível com OpenAI, com uma única chave de API. Para trocar, basta mudar uma linha, a string do modelo; assim você pode direcionar uma parte do tráfego para cada um e comparar as contas diretamente.

Como o text-to-speech é cobrado?

Por caractere do texto de entrada, com um limite de caracteres por requisição indicado na tabela de especificações. Nos dois modelos, textos longos precisam ser divididos em várias requisições.

Comparações relacionadas

Dos nossos estudos com medições