BytePlus Seed TTS 2.0 vs TTS-1 HD
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)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", // descomente esta linha, comente a linha acima
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" \ # descomente esta linha, comente a linha acima
-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", // descomente esta linha, comente a linha acima
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") // descomente esta linha, comente a linha acima
.file(Paths.get("meeting.mp3"))
.build()).asTranscription();
System.out.println(resp.text());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.