ENCN
English Chinese French German Portuguese Spanish Russian
登录登录
免费试用
qwen-bg
max-ico04
在
出去
max-ico02
聊天
max-ico03
禁用
GPT-4o 迷你 TTS
通过对语音属性（如口音和情感）进行动态控制，该模型在自然度和用户自定义方面超越了许多传统的TTS系统。
新会员可获赠价值 1 美元的免费Tokens
Text to Speech
Javascript
Python 
                                        const axios = require('axios').default;

const api = axios.create({
  baseURL: 'https://api.ai.cc/v1',
  headers: { Authorization: 'Bearer ' },
});

const main = async () => {
  const response = await api.post('/tts', {
    model: 'openai/gpt-4o-mini-tts',
    text: 'OpenAI TTS are fast and powerful language models. Use it to convert text to natural sounding spoken text.',
    voice: 'coral',
  });

  console.log('Audio URL:', response.data.audio.url);
  console.log('Characters:', response.data.usage.characters);
};

main();

                                
                                        import requests


def main():
    url = "https://api.ai.cc/v1/tts"
    headers = {
        "Authorization": "Bearer ",
    }
    payload = {
        "model": "openai/gpt-4o-mini-tts",
        "text": "OpenAI TTS are fast and powerful language models. Use it to convert text to natural sounding spoken text.",
        "voice": "coral"
    }

    response = requests.post(url, headers=headers, json=payload)
    data = response.json()

    print("Audio URL:", data["audio"]["url"])
    print("Characters:", data["usage"]["characters"])


main()
Docs

一个 API 包含 300 多个 AI 模型

节省20%费用并获赠价值1美元的Tokens
获取 API 密钥 探索模型
qwenmax-bg
图片
GPT-4o 迷你 TTS

产品详情

概述

GPT-4o-mini-TTS 是一个 最先进的文本转语音（TTS）模型 它基于高效的 GPT-40 mini 架构构建，能够精准地将文本转换为 高质量、逼真的语音具有自然音调和表现力。这款型号提供 强大的多语言支持 它具有可自定义的语音参数，使其成为各种 TTS 应用的理想解决方案。

技术规格

  • ✔️ 型号： 基于 GPT-4o mini 架构，专门针对文本转语音进行了优化。
  • ⚙️ 样式控制： 通过提示指令，可自定义语气、情感、节奏和口音。
  • 🚀配送方式： 支持同步和实时流音频生成。

性能基准

  • 🔊 逼真的语音质量： 提供自然流畅的韵律和语调，已在标准 TTS 数据集上进行了全面测试。
  • ⚡ 低延迟： 可实现实时交互，平均流媒体延迟始终低于 100 毫秒。
  • 🌍 高清晰度： 在超过 40 种国际语言中取得优异成绩。
  • 🎭 富有表现力的输出： 语音自定义参数可产生极富表现力且情感丰富的音频。
  • 🌐 强大的多语言性能： 经在嘈杂和带有口音的语音合成环境中验证，可在全球范围内广泛使用。

主要特点

  • 🗣️ 类人语调： 将文本转换为语音，语调和措辞极其自然，如同真人一般。
  • 🎙️ 多种语音选项： 支持 11 种不同的内置语音，涵盖多种风格和性别，以满足各种需求。
  • 🌎 广泛的语言支持： 涵盖 40 多种语言和方言，充分利用了 Whisper 全面的语言列表。
  • 🎚️ 精细化定制： 提供重音、情感、语调、速度和音色等可调节设置，实现精确控制。
  • 🎵 多种音频格式： 输出高品质音频，支持 MP3、WAV、OPUS、FLAC、PCM 等多种常用格式。
  • ⏱️ 实时合成： 为交互式应用程序提供实时语音合成和无缝音频流支持。
  • 🔄无缝多语言： 提供流畅的多语言支持，并在内容内轻松切换语音。

API定价

以极具竞争力的价格体验高质量的TTS服务： 每1000个字符0.00063美元。 这使得先进的语音合成技术在各种项目和应用中都变得非常经济实惠。

用例

  • 💬 语音助手： 为需要自然、多语言语音输出以实现无缝用户交互的对话代理提供支持。
  • 📚 电子学习和有声读物： 生成具有可调节情绪和节奏的引人入胜的教育内容和有声读物，以增强学习效果。
  • ♿ 辅助功能工具： 为视障用户提供逼真的语音输出，增强数字无障碍功能。
  • 📡 实时通讯： 为动态应用提供实时通信辅助和现场直播语音合成功能。
  • 🎬 多媒体制作： 非常适合用于定制语音品牌和各种媒体的高质量多媒体配音制作。

代码示例

通过其 API，将 GPT-4o-mini-TTS 集成到您的应用程序中非常简单。以下是一个典型的代码片段示例。 

  // GPT-4o-mini-TTS API 集成的 Python 示例 // 本节演示一个常见的 API 调用。 import openai # 替换为您的实际 API 密钥 client = openai.OpenAI(api_key="YOUR_API_KEY") try: response = client.audio.speech.create( model="gpt-4o-mini-tts", voice="alloy", # 从 "alloy", "echo", "fable", "onyx", "nova", "shimmer" 中选择 input="你好，这是 GPT-4o Mini 文本转语音模型的测试。") # 将生成的音频保存到文件 # response.stream_to_file("output_audio.mp3") # 或者，您可以直接流式传输音频以用于实时应用程序 # 例如，直接播放或通过流发送。 except Exception as e: print(f"发生错误：{e}")

与其他型号的比较

💡 对比 Google WaveNet：

Google WaveNet 提供 极高保真音频 但通常缺乏 GPT-4o-mini-TTS 的广泛语言范围和自定义灵活性。GPT-4o-mini-TTS 能够 可调节的情感语调和实时流媒体功能WaveNet 通常无法完全支持的功能。

💡 对比 OpenAI Whisper TTS：

OpenAI Whisper TTS 主要专注于语音识别，专门的 TTS 开发能力有限。相比之下，GPT-4o-mini-TTS 则专注于…… 富有表现力的多语言语音合成 提供多种语音选项，旨在提供卓越的音频输出。

💡 vs Amazon Polly：

Amazon Polly 提供多种声音和语言，但通常 实时流媒体传输的灵活性较差 与 GPT-4o-mini-TTS 相比，GPT-4o-mini-TTS 在情感参数控制方面表现更佳。GPT-4o-mini-TTS 则表现更佳。 更丰富的定制化和开放域适应性。

💡 对比 Microsoft Azure TTS：

Azure TTS 提供具有竞争力的质量，但可能会遇到一些问题。 延迟较高GPT-4o-mini-TTS 在以下方面表现出色 低延迟流媒体 它支持更多语言和语音自定义功能，具有明显的优势。

API集成

GPT-4o-mini-TTS 可通过 AI/ML API 轻松访问。有关完整的技术细节和集成指南，请参阅官方文档。 API文档： 此处提供。

常见问题解答 (FAQ)

❓ GPT-4o Mini TTS AI 模型是什么？

GPT-4o Mini TTS 是 OpenAI GPT-4o mini 系列中一款高效的文本转语音模型，专为高质量语音合成而设计，在各种应用中均具有优化的性能和成本效益。

❓ GPT-4o Mini TTS 的主要优势是什么？

GPT-4o Mini TTS 提供卓越的语音质量、快速的生成速度、具有竞争力的价格、可靠的性能和无缝集成，同时始终如一地产生自然流畅的语音输出。

❓ GPT-4o Mini TTS 的价格是多少？

GPT-4o Mini TTS 提供极具竞争力的价格，起价为 每1000个字符0.00063美元将其定位为价格实惠的高质量 TTS 解决方案。

❓ GPT-4o Mini TTS 支持哪些语言和音频格式？

该模型支持 超过40种语言和方言确保了广泛的全球适用性。它能以多种格式输出高质量音频，包括 MP3、WAV、OPUS、FLAC 和 PCM。

❓ GPT-4o Mini TTS 是否适用于实时应用？

当然。凭借其快速的发电速度和 低延迟 （平均流媒体延迟低于 100 毫秒），GPT-4o Mini TTS 非常适合实时应用，包括语音助手和交互系统。

API 操练场（Playground）

集成前，请在沙盒环境中测试所有 API 模型。我们提供 300 多个模型供您集成到应用中。
免费试用
api-right-1
模型-bg02-1

一个 API
300多个人工智能模型

节省20%的费用
新会员可获赠价值 1 美元的免费Tokens