本文へスキップ

openai/tts-1/text-to-speech

OpenAI の TTS-1 は、素早い低遅延の音声出力を重視した音声合成モデルです。最大 4,096 文字のテキストを 9 種類のプリセット音声で読み上げ、話速は 0.25 倍から 4 倍まで調整でき、MP3、Opus、AAC、FLAC、WAV、PCM で出力できます。

最低価格 $0.003/1,000 文字公式価格より 80% 安い

プレイグラウンド

入力

テキストから音声
料金に影響40/4096
TTS-1 が実際に読む文章です。空白や句読点を含めて最大 4,096 文字です。 1 文字以上 · 4096 文字以内

40 文字

TTS-1 の 9 種の既定音声から選びます。未指定時は alloy です。
速度
TTS-1 の話速を 0.25~4 に設定します。通常の速度は 1 です。 0.25 以上 · 4 以下
出力形式
MP3OpusAACFLACWAVPCM (生データ)
TTS-1 の出力形式です。PCM は WAV ヘッダーを持たない 24 kHz・16 bit・リトルエンディアンです。
セーフティチェックオフ

SpicyAPI はこのモデルにセーフティチェックをかけません。プロンプトと素材はそのままモデルに渡り、出力はモデル自身が決めます。

送信と料金見積もりを有効にする前にアカウントを確認しています。

出力

実行待ち
サンプル出力
0:00 / –:––

関連モデルと次のステップ

お探しのモデルが見つかりませんか?

TTS-1 は短い文章を読み上げ、9 種の既定音声、話速、6 種の出力形式を選べます。

主なスペック

既定音声
9

できること

プリセット音声と 6 種類の音声形式

TTS-1 の既定音声は alloy、ash、coral、echo、fable、onyx、nova、sage、shimmer です。英語を中心に最適化されているため、別の言語や固有名詞は実際の録音を聞いて確かめます。関連する案内では同じ音声を使うと聞き手が把握しやすくなります。 TTS-1 は MP3、Opus、AAC、FLAC、WAV、PCM を出力できます。携帯回線向けの短い通知なら圧縮形式、再生処理を自前で扱う場合は非圧縮形式を検討します。話速は 0.25~4 で指定でき、送った文章の文字数は速度を変えても同じです。

活用シーン

  • 作業状況の音声通知

    作業管理画面では、アプリが確定した処理結果を TTS-1 で短く知らせられます。結果そのものと読み上げ文は先にアプリ側で決めておきます。

  • 機器設定手順の読み上げ

    機器の初期設定では、手順ごとに TTS-1 の音声を用意して必要な箇所だけ再生できます。一つの説明が変わっても、その部分の録音だけを差し替えられます。

TTS-1 の作例

  • 短い音声メッセージ
  • 技術用語の読み上げ
  • 会議での質問
  • 搭乗口の案内

モデルリファレンス

TTS-1 API リファレンス

TTS-1 API の仕様

既定音声
9

TTS-1 API の呼び出し方

  1. プロンプトガイドと実践のヒント

    TTS-1 には聞き手に届けたい言葉をそのまま書きます。略語、日付、識別番号、小数の読み方は短い例で確認し、必要なら読みを文章に直します。「落ち着いた声で」といった指示も読み上げる本文になるため、発声指示としては使いません。 TTS-1 の入力は 4,096 文字以内、生成ファイルは 32 MiB 以内です。低速の WAV や PCM で長文を読む場合は分割してください。公開前に録音を確認し、生成音声であることを聞き手に示します。終了前の移行に備え、原稿と再生設定を残しておきます。

TTS-1 API のよくある質問

TTS-1 のすべてのモデル2