OpenAI: GPT-4o mini TTS

GPT-4o mini TTS 是 OpenAI 於 2025 年 3 月推出的語音合成模型，建立在 GPT-4o mini 之上，最大特色是可以用自然語言「指示」說話風格，例如語氣、語速、情緒或角色設定，而不只是選擇固定的聲音。

與 TTS-1 相比，GPT-4o mini TTS 單價相同（15 USD／1M 字元），但口語更自然、可依指示調整表現方式；與 TTS-1 HD 相比單價只有一半，音質略低但表現力更豐富。缺點是單次輸入約 2,000 tokens，長文需自行分段。

輸入僅支援文字，輸出為音訊，支援 mp3、opus、aac、flac、wav、pcm 等格式與串流回傳；不支援 SSML 標記。

若需要 SSML 精細控制，可改用 Azure Neural TTS 或 xAI TTS；若以價格為優先，Gemini 3.8 Flash TTS 單價更低。