Puede usar los resultados generados con fines comerciales. Todos los derechos sobre el contenido creado le pertenecen. La única restricción: asegúrese de que la solicitud no incluya material de terceros protegido por derechos de autor. El usuario es responsable de respetar los derechos sobre los datos de entrada.

Es un modelo de síntesis de voz de OpenAI: envías texto y recibes una pista de audio lista. Es adecuado para doblar vídeos y clips, versiones de audio de artículos, respuestas de voz en bots y servicios, y para dar voz a notificaciones y materiales educativos.

Como resultado, obtienes un archivo de audio con voz sintetizada que puedes insertar directamente en vídeos, boletines o aplicaciones. En una sola solicitud, el modelo procesa texto dentro de un contexto de unos 4095 tokens; es conveniente procesar materiales largos por partes.

No se indica un modo de razonamiento separado en nuestros datos, y no es necesario para la síntesis de voz: la tarea del modelo es dar voz al texto enviado. Si necesitas lógica, razonamiento o STEM, prepara el texto en un modelo de texto y envía el resultado aquí.

En nuestros datos, la llamada a funciones y la salida estructurada no están marcadas para este modelo: devuelve audio, no una respuesta de texto según un esquema. Es conveniente construir la lógica con 'function calling' en un modelo de texto y conectar tts-1 como un paso de voz a través de la API unificada de BotHub.

La recepción de archivos distintos al texto no está marcada en nuestros datos; el trabajo se basa en la descripción de texto que envías para la síntesis de voz. Si necesitas imágenes o vídeos en el escenario, conecta otro modelo en la misma interfaz de BotHub y crea una cadena.

No tenemos datos sobre los idiomas, por lo que es más honesto comprobarlo en la práctica: envía un fragmento corto y escucha el resultado. El pago en BotHub se realiza por tokens utilizados, sin suscripción, por lo que la prueba tendrá un coste mínimo y los tokens no utilizados no caducan.