围绕成品听感选型
tts-1-hd 的核心取舍是优先语音质量，而不是以实时交互为首要目标。对于已经定稿、需要试听后发布的旁白，可以把它放在文字审校之后、音频剪辑之前使用，让内容团队围绕声音效果完成选型，而不必把语音生成与文案创作混在同一步。
规格与接口特性
在选型前明确容量、输入输出与调用方式。
- 创作方式
- 文本转语音，输入字符串，输出二进制音频
- 模型定位
- 质量优先；同系列 tts-1 侧重实时使用
- 预设声音
- alloy、echo、fable、onyx、nova、shimmer
- 默认声音
- alloy
- 音频格式
- mp3、opus、aac、flac、wav、pcm；默认 mp3
- 语速控制
- speed 数值参数，默认 1.0
- 调用入口
- POST /v1/audio/speech；model 为 tts-1-hd
质量优先是 tts-1-hd 的原生定位；本平台通过 POST /v1/audio/speech 提供调用，支持上述预设声音、音频格式和语速参数。
核心能力
了解 tts-1-hd 能为你的工作带来什么。
预设声音便于统一制作
模型提供 alloy、echo、fable、onyx、nova、shimmer 六种预设声音。制作时可先用同一段代表性文稿试听，再为课程或内容栏目固定一种声音。voice 用于选择预设音色，适合建立统一的朗读配置，不等同于上传真人录音复刻声音。
格式与语速配合交付
音频可以按播放或制作环节选择 mp3、opus、aac、flac、wav 或 pcm，默认使用 mp3；speed 则提供语速调整入口。需要网页播放、移动端播报或后期剪辑时，可分别规划文件格式与朗读节奏，接收结果时按音频二进制处理。
适用场景
从具体任务出发，找到模型发挥作用的位置。
课程与知识讲解
将审校完成的课程讲稿、概念解释或操作说明作为文本输入，选择固定声音生成讲解音频。建议按章节组织文稿，试听术语、数字和段落衔接，再将合格片段用于课件或学习页面，形成可随内容更新而重新制作的语音素材。
产品视频旁白
输入产品介绍、功能演示解说或宣传视频旁白，先比较预设声音与画面风格，再选择格式供剪辑使用。交付物是所输入文稿的语音音频；背景音乐、音效、字幕和画面同步应放在后期制作流程中处理，避免把配音请求当成完整视频制作。
文章朗读与应用播报
把编辑好的文章段落、帮助说明或应用提示转换为音频，供读者点播或在界面中播放。对于可提前制作的固定内容，可先生成并完成试听，再随页面发布；需要现场回答的应用，则应把答案生成与答案朗读拆成不同任务。
如何选择这个模型
结合任务复杂度、输入材料与预期结果选择。
成品配音优先考虑 HD
如果任务是制作可反复播放的课程、文章朗读或视频旁白，tts-1-hd 的质量优先定位更符合选型目标。与 tts-1 比较时，重点应放在代表性文稿的听感和制作流程，而不是仅凭 HD 名称推断采样率、声道或输出时长；正式制作前先用实际内容试听。
实时交互与转录另作选择
若核心需求是实时语音反馈，tts-1 的原生定位更贴近这一方向，但实际交互体验仍需结合应用测试。若需求是把已有录音变成文字，则应选择音频转录模型。tts-1-hd 负责把文本读出来，不替代语音识别，也不负责生成对话答案或执行应用操作。
开始使用
从一次小规模任务到正式接入。
准备任务与材料
明确目标、必要输入与输出要求，使用真实业务样例作为起点。
在 API 调试区试用
打开试用页，确认此入口支持的参数，再提交小规模任务查看结果。
按 API 文档接入
保留完整模型 ID，使用文档规定的请求格式，并在 Pricing 页确认计费规则。
使用边界
在正式使用前，了解输出质量与能力范围。
- tts-1-hd 的基本输入是待朗读文本，声音选择来自预设列表。不要把 voice 当作真人身份、参考录音或声音克隆指令；若项目必须复刻指定人物的音色，应另选明确支持该创作方式的语音方案。
- 质量优先不等于对所有文稿自动完成专业播音审校。专有名词、缩写、数字与复杂标点应在发布前试听；需要调整时，优先修改文本表达、分段方式或语速，再重新生成对应片段。
- 输出是语音音频，不是附带字幕、逐词时间轴和背景音乐的完整节目。长内容宜按制作单元管理，并在应用中处理保存、播放与拼接；不要仅凭 HD 名称预设固定音频时长或特定编码参数。
常见问题
解答使用 tts-1-hd 时的常见疑问。
tts-1-hd 与 tts-1 应该怎样选？
tts-1-hd 侧重质量，tts-1 侧重实时使用。课程配音、文章朗读和需要审听后发布的旁白可优先试用 HD；实时反馈则应重点评估 tts-1。建议使用同一段实际文稿比较，而不是把型号差别理解为固定的速度或音质倍数。
如何选择 tts-1-hd 的声音？
通过 voice 选择 alloy、echo、fable、onyx、nova 或 shimmer，默认是 alloy。可用包含术语、数字和普通叙述的短稿逐一试听，再确定适合内容的声音。选定后，在同一栏目中保持相同配置，有利于统一音频制作风格。
tts-1-hd 能使用自己的录音定制声音吗？
这里的创作方式是输入文本并选择预设声音，不应按参考录音定制声音的流程使用。voice 填写的是声音名称，而非文件地址或人物描述。需要声音克隆时，应选择明确支持参考音频的产品，并单独处理授权与制作要求。
生成的音频能用于播放和剪辑吗？
可以根据用途选择 mp3、opus、aac、flac、wav 或 pcm，默认输出格式为 mp3。调用后应按二进制音频保存或交给播放器，而不是当作文本回答解析。用于剪辑时，还需在制作软件中安排画面同步、背景音乐及最终导出。
怎样提交文稿并调整朗读速度？
向 POST /v1/audio/speech 提交 input 文本，model 使用 tts-1-hd，并按需设置 voice、response_format 和 speed；speed 默认值为 1.0。实际制作可先用短稿试听语速，再处理正文，文本中也应保留合理标点和段落边界。
模型资料 · 更新日期：2026-10-01。调用参数与计费规则请查看 API 和定价栏目。