tts-1-hd

Oversigt. TTS-1 HD er OpenAIs high-definition-model til tekst til tale, der er designet til at prioritere lydkvalitet og naturlig udtale over hastighed. Den blev udgivet sammen med standardmodellen TTS-1 og omdanner tekststrenge til talt lyd via ni indbyggede stemmeprofiler. Udviklere vælger denne model, når kvaliteten af uddata er vigtigere end svartid på under et sekund.

Vigtigste styrker. Modellen fokuserer på klar udtale og færre lydfejl i komplekse passager. Den understøtter flere lydformater — herunder MP3, Opus, AAC, FLAC, WAV og PCM — og giver en ensartet stemmestil på tværs af valgmuligheder som alloy, ash, coral, echo, fable, onyx, nova, sage og shimmer.

Anvendelsesområder. Brug TTS-1 HD til talt indhold i høj kvalitet, automatiseret voiceover-produktion, lydbogsindlæsning og interaktive applikationer, hvor lyden skal være poleret. Til direkte samtaler eller svartidskritiske stemme-bots bør du i stedet bruge modeller med kortere svartid eller den officielle efterfølger, gpt-realtime-2.1-mini.

Begrænsninger. Modellen har et hårdt loft per forespørgsel på 4.096 tegn og kan ikke behandle inddata i form af lyd, billeder eller dokumenter. Som et dedikeret endepunkt til lydgenerering understøtter den ikke verktøykall, strukturerede uddata eller tekstgenerering. OpenAI har officielt påbegyndt en udfasning af TTS-1 HD med en planlagt stengning den 6. januar 2027.

Bemærkning om suverænitet. TTS-1 HD er en proprietær tjeneste, der drives af OpenAI i USA, hvilket betyder, at inferens er underlagt amerikansk lovgivning, herunder CLOUD Act. Den opfylder ikke kravene til en suveræn klassificering.