В OpenAI TTS голос и манера чтения задаются отдельно: voice выбирает голос, а instructions описывает подачу. Но для нового проекта есть важная оговорка: старые модели Speech API выводятся из эксплуатации 6 января 2027 года. Поэтому рабочий пример со старой моделью ещё не означает, что на ней стоит строить новую интеграцию.
Почему смена голоса не меняет подачу так, как хотелось
Голос отвечает за то, кто условно читает текст. Инструкция отвечает за то, как его читать. В действующем Speech API у gpt-4o-mini-tts можно передать instructions; у tts-1 и tts-1-hd это поле не работает.Например, для спокойного объяснения можно начать с такой инструкции: «Читай по-русски, доброжелательно и спокойно. Не ускоряйся на числах. Сделай короткую паузу перед предупреждением». Это предложенный вариант для проверки, а не обещание точного исполнения или результат нашего теста.
Не стоит смешивать противоположные требования: «очень быстро, но с длинными паузами», «эмоционально, но совершенно нейтрально». Сначала выберите одну подачу и проверьте её на коротком фрагменте.
Что проверить в старой интеграции прямо сейчас
Speech API принимает текст в input и возвращает аудиофайл либо поток. В текущей справке предел input составляет 4096 символов. Это ограничение именно этого интерфейса, а не универсальный размер текста для всех голосовых моделей.Перед большой озвучкой полезно проверить:
- название модели и поддержку instructions;
- произношение имён, сокращений и чисел из вашего материала;
- отсутствие пропущенных слов и добавленных фраз;
- паузы на границах абзацев;
- формат файла, который действительно принимает ваш проигрыватель.
Что меняется 6 января 2027 года
В официальном графике отключения перечислены tts-1, tts-1-hd, gpt-4o-mini-tts и указанные там снимки этой модели. Рекомендованная замена: gpt-realtime-2.1-mini через Realtime API.Это не совет просто заменить строку model в старом запросе. Справка отправляет новые интеграции к другому интерфейсу. Нужно отдельно проверить создание сеанса, передачу текста, получение аудио и сохранение результата.
Для действующего сервиса разумно оставить рабочую цепочку на время проверки новой. Сравните одинаковый короткий текст, затем сложный фрагмент с числами и именами. Только после этого переносите длинные материалы. Такая последовательность помогает отделить проблему голоса от ошибки в обработке ответа.
Как оценить стоимость без самообмана
Не переносите старый расчёт в новый интерфейс автоматически. Сверьте единицы тарификации выбранной модели и фактическое потребление в своём проекте. В бюджете учитывайте не только финальную запись, но и повторные генерации после правок.Для серийной озвучки сохраняйте утверждённый текст, параметры и готовый файл вместе. Тогда исправление одной фразы не превращается в случайную пересборку всего материала. Возможность безопасно переиспользовать результат нужно оценить отдельно с учётом содержания и назначения записи.
Что должен знать слушатель
OpenAI требует ясно сообщать конечному пользователю, что он слышит сгенерированный ИИ голос, а не человека. Короткая заметная подпись рядом с проигрывателем полезнее спрятанного пояснения в глубине страницы.Здесь не проводились платная генерация и сравнение звучания. Перед внедрением сверяйтесь с руководством по озвучке, справкой Speech API и графиком отключения моделей.