Questions fréquentes
Les voix sont-elles les mêmes dans les deux modèles ?
Oui. Les voix sont identiques pour les deux modèles. Vous pouvez utiliser n’importe lequel des huit presets (Aria, Nova, Luna, Sage, Felix, Milo, Atlas, Orion) avec tts-1 ou tts-1-hd. La seule différence réside dans le moteur de synthèse utilisé, pas dans la palette de voix disponibles.
Le modèle HD est-il plus lent à générer ?
Non. Les deux modèles utilisent le même moteur de synthèse vocale. La vitesse de génération est donc identique, soit environ une seconde pour 25 caractères. La latence dépend principalement de la file d’attente et de la longueur du texte, et non du choix entre les versions standard ou HD.
Puis-je changer de modèle après le paiement ?
A: Oui. Les modèles tts-1 et tts-1-hd utilisent le même moteur et le même tarif (10 $ par million de caractères). Vous pouvez basculer de l’un à l’autre à tout moment dans vos requêtes API sans surcoût. Le solde est débité au même prix, quel que soit le modèle choisi pour la synthèse.
Y a-t-il une différence de format de fichier ?
Non. Les formats disponibles sont les mêmes pour les deux modèles : mp3, wav, opus, flac et pcm. Vous pouvez choisir le format de sortie souhaité via le paramètre response_format dans votre requête JSON, indépendamment du modèle tts-1 ou tts-1-hd sélectionné.
Les deux modèles supportent-ils l'opus ?
Oui. L’encodage en opus est disponible pour tts-1 et tts-1-hd. Vous pouvez spécifier "opus" comme valeur pour le champ response_format dans votre requête POST. Ce format offre un bon compromis entre qualité audio et taille de fichier pour les deux modèles.
Le modèle standard est-il moins naturel ?
A: Les deux modèles utilisent le même moteur sous-jacent. La différence principale réside dans le traitement audio final. Les voix conservent leurs caractéristiques distinctes (chaleureuse, dynamique, neutre, etc.) quel que soit le modèle choisi pour la synthèse.
Dois-je modifier ma clé API pour utiliser le HD ?
Non. Votre clé API reste unique et fonctionne pour les deux modèles. Vous n’avez pas besoin de générer une nouvelle clé ni de modifier votre configuration d’authentification. Il vous suffit de changer la valeur du champ model dans le corps de votre requête JSON vers "tts-1-hd".
Quelle voix recommande-t-on pour le HD ?
Aucune recommandation spécifique. Toutes les huit voix (Aria, Nova, Luna, Sage, Felix, Milo, Atlas, Orion) sont compatibles avec le modèle HD. Le choix dépend uniquement du ton souhaité pour votre contenu, que vous créiez un audioguide, une narration ou une annonce.
Le prix change-t-il si j'utilise le HD ?
Non. Le tarif est fixe à 10 $ par million de caractères, soit 0,01 $ par 1 000 caractères, pour les deux modèles. Que vous utilisiez tts-1 ou tts-1-hd, le coût par caractère généré reste strictement identique. Aucun surcoût n’est appliqué pour la qualité HD.
Les fichiers HD sont-ils plus grands ?
Cela dépend du format choisi. Pour un format non compressé comme le WAV ou le FLAC, la taille peut varier légèrement selon le traitement. Cependant, pour les formats compressés comme le MP3 ou l’OPUS, la différence de taille est minime. La longueur audio reste la même.
Peut-on mixer les deux modèles dans un projet ?
Oui. Vous pouvez utiliser tts-1 pour certaines requêtes et tts-1-hd pour d’autres dans le même projet. Chaque requête est indépendante. Cela vous permet d’adapter le traitement selon la longueur ou l’importance de chaque segment texté, sans contrainte technique ni différence de clé API.
Y a-t-il une limite d'usage pour le HD ?
Non. Les limites d’usage s’appliquent à votre clé API, soit 60 requêtes par minute, et non au modèle choisi. Vous pouvez envoyer autant de requêtes en tts-1-hd que vous le souhaitez, tant que vous respectez le quota global par minute et la limite de 4096 caractères par requête.
Moteur de synthèse identique
Les modèles tts-1 et tts-1-hd utilisent le même moteur de synthèse sous-jacent. Cela garantit une cohérence vocale parfaite : les huit voix (d'Aria à Orion) restent identiques, quel que soit le format choisi. Vous pouvez appliquer les mêmes paramètres de vitesse (de 0,25 à 4,0) et de langue sans restriction spécifique à l'un ou l'autre modèle.
Mêmes voix disponibles dans les deux modèles
Le répertoire vocal est strictement identique pour les deux options. Vous disposez des mêmes presets, qu'il s'agisse d'aria pour une narration claire ou de atlas pour un ton neutre. Le changement de modèle n'affecte ni la personnalité vocale ni la disponibilité des langues.
Mêmes paramètres de vitesse et de langue
La structure technique reste inchangée. Vous pouvez ajuster la vitesse d'élocution ou préciser le code ISO de la langue (optionnel, mais recommandé pour les textes en latin non anglais). Aucun paramètre supplémentaire n'est requis pour passer de la version standard à la haute définition.
Même structure de requête JSON
La demande API suit le même format : un POST vers /v1/audio/speech avec les champs model, input, voice et response_format. Que vous spécifiiez tts-1 ou tts-1-hd, la logique d'intégration reste rigoureusement la même pour vos développeurs.
Différence de qualité audio
La distinction principale réside dans la richesse spectrale et la naturel de la voix. Le modèle tts-1-hd offre une qualité audio supérieure avec moins d'artefacts, mais le moteur de synthèse est identique à celui du modèle standard.
Cette fidélité supérieure se traduit par une expérience d'écoute plus immersive, essentielle pour la narration historique ou les descriptions muséales où la subtilité de la voix participe à la crédibilité du contenu.
Tts-1-hd offre une fidélité supérieure
Le moteur de synthèse est identique pour les deux modèles ; la différence réside dans le traitement audio final. Il offre une qualité audio supérieure avec moins d'artefacts, mais le moteur de synthèse est identique à celui du modèle standard.
Cette précision est particulièrement perceptible sur les textes longs ou narratifs, où la fatigue auditive est plus rapide avec des voix moins naturelles.
Moins d'artefacts numériques en hd
Les bruits de fond et les sifflements caractéristiques des synthèses basiques sont significativement atténués. La voix reste claire même aux extrémités des phrases, sans coupures brutales ou respirations artificielles excessives.
Le rendu audio est plus doux, ce qui limite la perception de la voix robotique tout en maintenant une intelligibilité parfaite pour les visiteurs.
Idéal pour les audioguides de musée
Pour les installations fixes ou les audioguides premium, la qualité HD justifie l'expérience utilisateur supérieure. Les visiteurs bénéficient d'une qualité audio supérieure avec moins d'artefacts.
Cette qualité s'aligne avec l'attente d'un contenu touristique soigné, où le support audio doit renforcer l'immersion dans le lieu visité sans distraire par ses limites techniques.
Prix identique pour les deux modèles
Que vous choisissiez le modèle standard tts-1 ou la version haute fidélité tts-1-hd, le calcul de votre facture reste strictement identique. Le coût est fixé à 0,01 $ par 1 000 caractères, espaces et ponctuation inclus. Cette tarification au caractère simplifie la prévision des budgets pour les campagnes de contenu touristique ou les audioguides de musée sans surprise.
Aucune surcharge n'est appliquée pour la haute définition. Contrairement à de nombreuses solutions du marché qui facturent un supplément pour la qualité supérieure, ici le moteur de synthèse est le même, seul le rendu audio varie. Vous payez exactement le même prix pour une voix claire et efficace ou pour une narration immersive et détaillée.
Ce système offre une liberté totale dans le choix du modèle selon vos besoins spécifiques. Vous pouvez mixer les deux modèles dans vos requêtes sans pénalité. Cela permet d'optimiser les coûts pour les annonces simples tout en réservant la haute qualité pour les narrations historiques sensibles.
0,01 $ par 1000 caractères
Le prix reste constant quel que soit le modèle sélectionné dans l'API. Chaque 1 000 caractères envoyés génèrent la même facture, simplifiant l'intégration dans vos systèmes de facturation ou de suivi de consommation.
Aucune surcharge pour la haute définition
La version tts-1-hd offre une fidélité supérieure et moins d'artefacts, mais sans coût additionnel. Cette transparence permet d'allouer le budget qualité là où il est vraiment nécessaire pour l'expérience utilisateur.
Choix libre selon vos besoins
Vous pouvez tester les deux modèles avec vos scripts types. Le passage de l'un à l'autre se fait simplement en changeant le champ model dans votre corps de requête JSON.
Performance et temps de génération
La vitesse de génération suit approximativement le temps réel : environ 25 caractères de texte produisent une seconde d'audio pour les textes longs. Les phrases courtes nécessitent quelques secondes supplémentaires de traitement initial.
Le moteur traite les requêtes une par une. Cette architecture garantit une cohérence audio mais signifie que les temps de réponse restent stables, sans accélération parallèle pour les petits volumes.
Traitement séquentiel des requêtes
Chaque demande de synthèse est exécutée individuellement dans l'ordre de réception. Cette approche séquentielle simplifie la gestion des ressources et assure que chaque fichier audio est généré sans interférence avec les autres processus en cours.
Temps de génération similaire
Les modèles tts-1 et tts-1-hd utilisent le même moteur et ont donc la même vitesse de génération. La différence de qualité audio n'impacte pas significativement la durée de calcul, permettant une planification prévisible pour vos audioguides ou contenus narratifs.
File d'attente en cas de charge forte
Lorsque le trafic augmente, les requêtes peuvent attendre dans une file d'attente avant d'être traitées. Cette latence supplémentaire est temporaire et ne modifie ni la qualité finale ni le prix de votre crédit consommé.
Pour les projets nécessitant un débit élevé, il est recommandé de répartir les générations dans le temps ou d'anticiper les besoins en pré-générant les contenus avant les heures de pointe.
- Limitée à 60 requêtes par minute par clé
- 10 requêtes par minute pendant la période d'essai
Quand choisir le modèle standard ?
Le modèle standard est idéal pour les annonces courtes ou les indications directionnelles où la nuance vocale n'est pas critique. Il garantit une génération rapide, mais la bande passante dépend du format audio choisi (MP3, WAV, etc.).
Il convient parfaitement aux prototypes ou aux tests de scripts avant le déploiement final. Vous pouvez valider la fluidité du texte sans surcoût ni complexité technique.
Pour les annonces simples ou rapides
Pour les messages brefs comme les annonces de sécurité ou les horaires d'ouverture, la voix standard offre une clarté suffisante. Le temps de génération reste proche du temps réel, facilitant l'intégration dans des boucles audio.
Vous pouvez utiliser n'importe lequel des 8 presets vocaux. La différence de qualité n'est pas perceptible pour des phrases de quelques secondes.
- Idéal pour les annonces de sécurité
- Messages d'horaires ou d'informations pratiques
- Génération rapide et fluide
Lorsque la bande passante est limitée
Les fichiers audio générés avec le modèle standard sont souvent plus légers, surtout en format MP3. Cela réduit la charge serveur et accélère le chargement sur les terminaux des visiteurs.
C'est un avantage pour les applications mobiles ou les visiteurs accédant à l'audioguide avec une connexion mobile limitée.
- Fichiers plus légers en MP3
- Chargement plus rapide sur mobile
- Réduction de la consommation de données
Pour des prototypes ou tests rapides
Lors du développement de vos contenus, le modèle standard permet de tester rapidement différentes voix et vitesses. Vous pouvez itérer sur vos scripts sans vous soucier du coût supplémentaire.
Une fois le contenu validé, vous pourrez éventuellement passer au modèle HD pour la version finale, ou rester sur le standard pour optimiser les coûts.
- Tests de voix et de vitesse
- Itération rapide sur les scripts
- Validation technique sans surcoût
Quand choisir le modèle haute définition ?
Pour les audioguides muséaux, la clarté et la fidélité sonore sont essentielles. Le modèle tts-1-hd offre une reproduction plus précise des voix, réduisant les artéfacts numériques qui peuvent distraire l'auditeur dans un environnement calme.
Cette qualité supérieure justifie son usage pour les narrations historiques où la subtile inflexion de la voix transporte mieux l'immersion, sans surcoût par rapport au modèle standard.
Pour les narrations historiques immersives
Le modèle haute définition restitue mieux les nuances prosodiques, cruciales pour raconter une histoire ou présenter un contexte historique avec authenticité.
Il est idéal pour les contenus où l'émotion et la précision vocale priment sur la rapidité de génération.
- Recommandé pour les récits longs nécessitant une expression naturelle
Pour les supports audio haute qualité
Pour les applications nécessitant une restitution sonore nette, le format FLAC ou WAV couplé à tts-1-hd préserve la fidélité du signal.
Cette combinaison est pertinente pour les archives sonores ou les diffusions sur des systèmes audio haut de gamme.
Pour les installations muséales fixes
Dans les musées, où le bruit ambiant est souvent maîtrisé, la haute définition assure une intelligibilité maximale sans besoin de compression agressive.
Cela permet une expérience utilisateur fluide, sans perte de détail audible sur les équipements de diffusion standards.
Compatibilité avec les formats audio
Le choix du format audio s'adapte à vos infrastructures de diffusion, indépendamment du modèle de synthèse choisi. Que vous sélectionniez tts-1 ou tts-1-hd, la structure de la requête JSON reste identique pour la génération des fichiers.
Cette flexibilité permet aux agences de touristiques et aux musées d'optimiser le compromis entre qualité sonore et bande passante, sans contrainte technique liée au moteur de voix sous-jacent.
Les deux modèles supportent MP3 et WAV
Le format MP3 reste le standard pour une diffusion web fluide sur les audioguides mobiles. Le WAV offre une qualité brute, utile pour les post-productions ou les installations sonores locales nécessitant une décompression immédiate sans perte.
FLAC et OPUS disponibles pour les deux
Le format FLAC garantit une compression sans perte, idéal pour l'archivage à long terme des contenus patrimoniaux. L'OPUS, plus léger, convient aux connexions mobiles à débit limité tout en maintenant une excellente intelligibilité.
Aucune limitation de format par modèle
Vous pouvez mixer les formats selon les supports. La haute définition (tts-1-hd) fonctionne avec tous les codecs supportés, offrant la même liberté de choix qu'avec le modèle standard pour vos projets touristiques.
- MP3 : diffusion web et mobile
- WAV : qualité studio et post-production
- FLAC : archivage sans perte
- OPUS : économie de bande passante

Impact sur le stockage et la diffusion
Le choix du modèle influence directement la taille des fichiers audio générés, un facteur à considérer pour le stockage de vos audioguides. Les fichiers produits avec le modèle tts-1-hd peuvent être légèrement plus volumineux en formats non compressés (WAV, FLAC) en raison du traitement audio supérieur. Cette différence de poids reste néanmoins modérée et ne perturbe pas l'expérience utilisateur sur les réseaux modernes.
Pour la diffusion courante, l'impact est souvent négligeable. Le format MP3, recommandé pour sa compression efficace, atténue largement l'écart de taille entre les deux modèles. Vous pouvez ainsi bénéficier de la haute définition sans alourdir significativement vos bases de données ou vos serveurs de diffusion audio.
Fichiers HD légèrement plus volumineux
La synthèse haute définition conserve plus de détails sonores, ce qui se traduit par un poids de fichier légèrement supérieur à celui du modèle standard. Pour une installation muséale ou une application mobile, cette augmentation reste contenue et ne justifie pas à elle seule un changement d'infrastructure.
Cette différence est perceptible principalement dans les formats non compressés comme le WAV ou le FLAC. Si vous conservez les fichiers bruts sur vos serveurs, prévoyez un espace de stockage adapté pour les générations en haute définition à long terme.
- Les fichiers FLAC HD peuvent prendre légèrement plus d'espace que les fichiers FLAC standard en raison du traitement audio supérieur.
- L'impact est moins marqué en MP3 grâce à la compression.
- Pensez à estimer le volume total de votre bibliothèque audio.
Impact minime sur les fichiers MP3
Le format MP3 compresse les données audio de manière significative, réduisant considérablement l'écart de taille entre les modèles tts-1 et tts-1-hd. Pour la majorité des usages touristiques, la différence de poids en MP3 est imperceptible pour l'utilisateur final tout en offrant une qualité sonore excellente.
Cette compression permet de diffuser rapidement le contenu sur mobile ou via des connexions internet peu stables, typiques des visites de sites historiques ou de musées en extérieur.
- Le MP3 réduit l'écart de poids entre les deux modèles.
- Idéal pour la diffusion mobile et les connexions variables.
- Qualité audio maintenue tout en optimisant le poids.
Optimisation possible par le développeur
Vous pouvez optimiser le stockage en choisissant le format approprié selon l'usage. Le format OPUS, par exemple, offre un excellent rapport qualité-poids pour la diffusion web. Le développeur peut ainsi ajuster les paramètres de génération pour équilibrer qualité sonore et taille de fichier.
Il est également possible de supprimer les fichiers audio après diffusion si vous les générez à la volée, ou de les archiver selon leur niveau de détail. Cette flexibilité vous permet de gérer efficacement le cycle de vie de vos contenus audio sans surcoût significatif.
L'API ne stocke pas les fichiers générés ; ils sont retournés dans la réponse et non conservés. Cela vous permet de mettre en place vos propres stratégies de compression ou d'archivage selon vos besoins spécifiques en matière de stockage et de diffusion.
- Utilisez OPUS pour un meilleur rapport qualité-poids web.
- Supprimez les fichiers après diffusion si nécessaire.
- Archivage personnalisé selon le niveau de détail.
Recommandations pour les projets
Le choix du modèle dépend de l'usage final de l'audio. Pour les audioguides de musée ou les narrations immersives, la haute fidélité de tts-1-hd justifie son utilisation malgré des fichiers légèrement plus volumineux. Pour les annonces simples ou les mises à jour fréquentes, le modèle standard offre une rapidité suffisante.
Nous recommandons de tester les deux modèles avec vos scripts types. Cela permet de vérifier si la différence audible est pertinente pour votre public, tout en gardant la liberté de changer de modèle à tout moment sans surcoût.
Utiliser HD pour les contenus premium
La haute définition (tts-1-hd) réduit les artefacts numériques et offre une fidélité supérieure, idéale pour les installations muséales fixes ou les supports audio de qualité. Bien que les fichiers soient légèrement plus volumineux, l'expérience sonore est nettement améliorée pour les narrations historiques.
- Idéal pour les audioguides de musée
- Qualité supérieure pour les narrations immersives
Utiliser standard pour les mises à jour fréquentes
Le modèle standard (tts-1) est parfait pour les annonces simples ou les prototypes où la bande passante est limitée. Il génère du contenu rapidement tout en restant économique, avec le même prix de 0,01 $ par 1 000 caractères.
Utilisez-le pour les mises à jour fréquentes de contenu touristique ou les tests rapides, où la différence de qualité audio est moins critique que la rapidité de déploiement.
Tester les deux avec vos scripts types
Nous vous recommandons de générer un échantillon avec les deux modèles pour vos scripts types. Cela vous permettra de déterminer objectivement si la haute définition apporte une valeur ajoutée perceptible pour votre public cible.
Le prix étant identique, vous pouvez ajuster vos paramètres de génération selon la criticité de chaque contenu sans pénalité financière.
- Tester avec vos scripts types
- Liberté de changer de modèle
Limitations techniques communes
Pas de streaming ni de WebSocket
Contrairement à certaines solutions temps réel, notre API génère le fichier audio complet avant la réponse. Il n'y a pas de flux audio continu ni de connexion WebSocket pour restituer le son bit par bit. Le développeur doit attendre la fin du traitement pour recevoir le fichier.
Limite de 4096 caractères par appel
Chaque requête JSON est limitée à 4096 caractères, espaces et ponctuation inclus. Pour les textes longs comme les audioguides, il faut segmenter le contenu en plusieurs appels et assembler les fichiers audio résultants. Cette gestion côté client assure une flexibilité maximale pour les scripts variés.
Pas de contrôle émotionnel précis
Les voix synthétisées sont naturelles mais ne permettent pas d'ajuster finement l'émotion ou l'intonation via des balises. Le ton est déterminé par le choix du preset (ex. Luna pour le récit, Atlas pour l'info). Il n'existe pas de dictionnaire de prononciation personnalisé ni de balisage SSML.
Comparaison avec d'autres solutions TTS
Contrairement à de nombreux fournisseurs qui proposent des forfaits mensuels ou des paliers de volume, notre tarification repose exclusivement sur la consommation réelle. Vous payez uniquement les caractères générés, sans engagement de durée ni frais cachés pour l'accès à l'API.
Transparence du prix par caractère
Le coût est fixe à 0,01 $ par 1 000 caractères, peu importe le modèle choisi. Cette simplicité de calcul permet d'anticiper précisément le budget d'un audioguide ou d'une installation muséale, sans surprise sur la facture.
- Coût unitaire unique et prévisible
- Facturation à l'usage réel
Absence de frais d'abonnement
Il n'y a ni abonnement mensuel, ni frais de siège, ni minimum de dépenses. Votre solde ne expire pas et les recharges en USDT sont traitées rapidement. Cette approche convient aux projets touristiques aux flux irréguliers.
- Pas de forfait mensuel
- Solde pérenne
Simplicité d'intégration API
L'API suit la structure standard des requêtes JSON, compatible avec les SDK OpenAI existants. Une seule clé suffit pour gérer l'authentification et la génération audio, facilitant l'intégration technique pour les équipes de développement.
- Structure JSON standard
- Authentification unique par clé
Conclusion sur le choix du modèle
Le choix entre tts-1 et tts-1-hd ne repose plus sur le coût, mais uniquement sur l'usage final. Puisque le moteur et le tarif sont identiques, vous optimisez votre budget sans surprise. Cette transparence simplifie la gestion des projets touristiques et des audioguides.
La décision revient à définir le niveau d'immersion nécessaire. Pour une application mobile où la bande passante est critique, le format standard suffit. Pour une installation muséale fixe, la fidélité sonore du modèle HD crée une expérience plus riche et détaillée.
Aucune différence de prix pour vous
Vous payez toujours 0,01 $ par 1 000 caractères, quel que soit le modèle sélectionné. Cette uniformité permet de basculer entre les versions sans modifier votre structure de coûts. Vous pouvez ainsi allouer votre crédit là où la qualité sonore est la plus importante pour votre contenu.
- Tarif unique de 0,01 $ par 1 000 caractères
- Pas de surcoût pour la haute définition
- Prévisibilité totale des dépenses API
La qualité HD justifiée pour le tourisme
Pour les récits historiques ou les descriptions de sites patrimoniaux, la haute définition (tts-1-hd) réduit les artefacts numériques. Cela préserve la clarté des voix sur des systèmes audio fixes ou des casques de qualité, renforçant l'expérience visiteur sans nécessiter un investissement matériel lourd.
Les fichiers audio restent conformes aux standards professionnels. L'absence de compression agressive permet une restitution plus naturelle des nuances vocales, essentielle pour transmettre le ton narratif attendu dans les audioguides.
- Moins d'artefacts numériques pour une écoute précise
- Idéal pour les installations muséales fixes
- Meilleure fidélité pour les narrations immersives
Liberté de changer de modèle à tout moment
Vous n'êtes pas lié à une licence spécifique. Vous pouvez utiliser tts-1 pour les mises à jour fréquentes ou les annonces rapides, et réserver tts-1-hd pour les contenus phares. L'intégration reste identique via la même clé API et le même endpoint.
Cette flexibilité s'aligne avec votre besoin d'agilité. Si vos besoins en bande passante ou en qualité évoluent, le passage d'un modèle à l'autre est immédiat et technique, sans refonte de votre architecture.
- Pas de migration complexe
- Utilisation mixte possible selon le contenu
- Même structure de requête JSON
Slug
Le slug identifie cette page de référence technique sur la différence entre les modèles tts-1 et tts-1-hd pour les développeurs d'audioguides et de contenus touristiques.
Il permet un référencement précis pour les requêtes concernant la qualité audio et les coûts identiques des deux moteurs.
difference-tts1-tts1hd
Ce slug correspond à l'URL relative /docs/difference-tts1-tts1hd pour la documentation technique. Il facilite l'intégration dans les systèmes de gestion de contenu des agences culturelles.
- URL canonique : /docs/difference-tts1-tts1hd
- Mots-clés : tts-1, tts-1-hd, qualité audio, audioguide
Écoutez les 8 voix
Chaque échantillon ci-dessous a été généré par cette API à partir de la même phrase. Toutes les voix peuvent prononcer n'importe quelle langue de cette liste, garantissant une cohérence acoustique sur votre site.
23 langues
Chaque voix peut parler n'importe laquelle de ces langues.
