TTS-1 vs TTS-1 HD

vs

Qual usar e quando

O mesmo limite de 4096 caracteres, o mesmo streaming, as mesmas vozes e a mesma ausência de controle de voz; o tts-1-hd cobra $30 por milhão de caracteres contra $15, exatamente 2x, pela síntese de maior qualidade. Nada mais nas especificações publicadas os separa. Escolha o tts-1 para rascunhos e volume, o tts-1-hd quando o áudio for para usuários.

Preços

TTS-1 TTS-1 HD Δ
Por 1M caracteres $15 $30 0.5×

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

TTS-1 TTS-1 HD
Streaming sim sim
SSML undocumented undocumented
Unidade de cobrança character character

Especificações

TTS-1 TTS-1 HD
Modalidades de entrada texto texto
Modalidades de saída áudio áudio
Lançamento 2023-11-06 2023-11-06
Limite por requisição 4096 characters 4096 characters
Vozes 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. 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 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 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 none none
Limites

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

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: TTS-1 · 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="tts-1",
    # 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, TTS-1 ou TTS-1 HD?

TTS-1 sai mais barato na linha “Por 1M caracteres” ($15 contra $30, 2.0× de diferença). Outras linhas podem pender para o outro lado: a tabela acima mostra todos os preços, e o custo real depende do seu mix de uso.

Posso fazer um teste A/B de TTS-1 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