← すべてのモデル

GPT-4o Mini TTS

公開日 提供元 OpenAIgpt-4o-mini-tts

モデルの位置付け

GPT-4o Mini TTS は GPT-4o mini を基盤とするテキスト音声変換モデルで、入力テキストを自然な音声に変換できます。OpenAI は 2025 年 3 月 20 日にこのモデルをリリースしました。対応する固定バージョンのスナップショットは gpt-4o-mini-tts-2025-03-20 です。モデルのエイリアスと固定スナップショットは同じ概念ではありません。公式は後にエイリアスの参照先を新しいスナップショットに変更しました。(openai.com)

機能と用途

  • テキストによる指示で、音声のアクセント、感情、イントネーション、話速、口調などの表現方法を調整でき、カスタマーサービスの音声、創作ストーリーの語り、記事の読み上げなどに適しています。(openai.com)
  • 中国語を含む多言語の音声生成に対応し、音声のストリーミング出力をサポートしています。音声は現在、英語向けに最適化されています。(developers.openai.com)
  • v1/audio/speech インターフェースを通じて音声を生成でき、MP3、Opus、AAC、FLAC、WAV、PCM などの形式に対応しています。(developers.openai.com)

制限とステータス

  • モデルはテキストを入力として受け取り、音声を出力します。画像や動画の入力には対応しておらず、音声をテキストに変換するモデルでもありません。モデルページに記載された最大入力は 2,000 トークンです。Speech API の input パラメーターには別途 4,096 文字の上限があります。(developers.openai.com)
  • エンドユーザー向けに使用する場合、OpenAI は、聞こえている音声が人間の声ではなく AI が生成した声であることをユーザーに明確に伝えるよう求めています。(developers.openai.com)
  • 2026 年 11 月 19 日時点で、公式はこのモデルとその 2025 年 3 月 20 日のスナップショットを非推奨としており、2027 年 1 月 6 日に提供を終了する予定です。公式は新規の統合について Realtime API の gpt-realtime-2.1-mini への移行を推奨しています。移行には API ワークフローの変更が必要です。(developers.openai.com)

価格

2026 年 11 月 19 日時点で、OpenAI のモデルページに記載されている API 価格は米ドル(USD)で、入力テキストは 100 万トークンあたり 0.60 米ドル、出力音声は 100 万トークンあたり 12.00 米ドルです。これはモデルページに記載された価格であり、2025 年の当該スナップショットについて別途公表された独立した価格ではありません。当該スナップショットの個別価格は未確認です。(developers.openai.com)

公式情報源