tts-1-hd

TTS-1-HD 是 OpenAI 推出的文本转语音（Text-to-Speech, TTS）模型的一个版本，专注于提供‌更高的语音质量‌。 ‌ 

它与标准的 TTS-1 模型相比，主要区别在于优化目标： ‌TTS-1‌: 针对实时文本到语音应用进行了优化，在生成速度和语音质量之间取得平衡，能满足大多数场景的需求。 ‌ 

TTS-1-HD‌: 侧重于提升语音质量，在生成声音的‌自然度、流畅度和细节表现‌方面更为出色，适合对音质有更高要求的场景。 ‌ 

在实际使用中，用户可以通过指定 model='tts-1-hd' 来调用此模型。 ‌ 

主要特点与参数‌： ‌输入‌：支持最大长度为 4096 个字符的文本。 ‌语音选择‌：支持 OpenAI 提供的多种预设语音，如 alloy, echo, fable, nova 等。 ‌ 

输出格式‌：支持多种音频格式，包括 mp3、opus、aac、flac 和 wav。 ‌ 

语速控制‌：允许调整语音生成速度，范围在 0.25 到 4.0 之间。 ‌ 

语言支持‌：遵循 Whisper 模型的语言支持能力，涵盖包括中文在内的多种语言。 ‌ 

应用场景‌： TTS-1-HD 模型适用于对语音质量要求较高的场景，例如： 制作高质量的有声读物或播客内容。 需要自然、流畅语音体验的教育和培训材料。 对音质敏感的广告宣传或品牌配音。