tts-1

Oversigt. tts-1 er OpenAIs dedikerede model til tekst til tale, designet til kodegenerering af tale i sanntid. Den blev udgivet i november 2023 og konverterer inddata i form af tekst direkte til lyd via ni indbyggede stemmer. Modellen betjenes som et proprietært API og er planlagt til udfasning i januar 2027 til fordel for OpenAIs nyere arkitekturer til tale i sanntid.

Vigtigste styrker. Modellen er optimeret til minimal svartid ved kodegenerering, hvilket muliggør hurtig levering af lyd til interaktive stemmeapplikationer. Den understøtter indbygget eksport til flere standardformater, herunder MP3, Opus, AAC, FLAC, WAV og rå PCM.

Anvendelsesområder. Brug tts-1 til agentiske stemmeagenter i sanntid, skærmlæsere og interaktive dialogsystemer, hvor kort svartid er vigtigere end akustisk præcision i studiekvalitet. Den passer til direkte behandlingskæder for tekst til tale, der håndterer tekstblokke på op til 4.096 tegn per forespørgsel.

Begrænsninger. Enkelte forespørgsler er strengt begrænset til 4.096 tegn, hvilket kræver opdeling af længere tekster på klientsiden. Lydkvaliteten er bevidst nedprioriteret til fordel for hastighed sammenlignet med dedikerede high-definition-alternativer. Modellen er officielt udfaset af OpenAI med en slutdato den 6. januar 2027.

Bemærkning om suverænitet. tts-1 drives af amerikanske OpenAI, hvilket betyder, at inferens er underlagt amerikansk lovgivning og underlagt CLOUD Act. Den drives ikke på suveræn europæisk infrastruktur.