TTS-1

TTS-1 — модель OpenAI для преобразования текста в речь. Она появилась в публичном API 6 ноября 2023 года вместе с текстово-речевым интерфейсом платформы. В анонсе разработчик позиционировал её для сценариев, чувствительных к задержке, и перечислил шесть готовых голосов на момент запуска.

Назначение TTS-1

Приоритет — скорость отклика

Модель принимает текст и формирует аудио, которое можно использовать в голосовом интерфейсе, озвучивании уведомлений или других приложениях. По документации OpenAI, TTS-1 обеспечивает меньшую задержку, чем вариант TTS-1 HD, но уступает ему по качеству звучания. Это компромисс между быстрым ответом и качеством, а не универсальное превосходство одного варианта над другим.

Настройка синтеза

Выбор голоса и формат аудио

В API голос задаётся отдельно от текста, а доступные варианты и выходные форматы определяются текущей документацией Speech API. При выборе голоса важно тестировать произношение русских слов и имён на целевой аудитории: в документации OpenAI отмечается, что встроенные голоса оптимизированы для английского языка. Не следует предполагать одинаковое качество на всех языках.

Место в линейке

Сравнение с TTS-1 HD и GPT-4o Mini TTS

TTS-1 и TTS-1 HD были выпущены одновременно, но решают задачу с разными приоритетами. Более поздняя GPT-4o Mini TTS добавила возможность управлять манерой речи текстовой инструкцией. При выборе между ними сравнивают задержку, выразительность, воспроизводимость и требования к языку; для фиксированных сценариев стоит проверить актуальные ограничения API.

Связанные модели

Для сравнения возможностей и поколений посмотрите также: TTS-1 HD; GPT-4o Mini TTS.

Сведения о разработчике и его моделях: OpenAI в Вики Futuretools.ru.

Официальный источник: материал разработчика.